Apontamentos de Introdução Ao Estudo de Pesquisa Operacioal Versão Final 1

APONTAMENTOS DE INTRODUO AO
ESTUDO DE INVESTIGAO
OPERACIOAL
ProfessorDoutor Jos Antnio Fazenda

Luanda 2016
1
PRIMEIRA
PARTE
PROGRAMAO LINEAR
O MTODO SIMPLEX
ANLISE DE SENSIBILIDADE
PROBLEMAS RESOLVIDOS
2
INDECE
PRIMEIRA PARTE
TEMA UM: Breve historial da Investigao Operacional3
1. A natureza da Investigao Operacional 4

2. Objecto de estudo da Investigao Operacional 6
3. A modelagem em Investigao Operacional ..6
TEMA DOIS: Programao Linear..8
1. Fases de estudo de um problema de programao Linear .8

2. Exemplos de problemas de Programao Linear .13
TEMA TRS: Resoluo Grfica de Problema de Programao Linear ..19
TEMA QUATRO: Forma Padro ou standard de um Problema de P.L. .. 29
TEMA CINCO: O mtodo Simplex 33
1. Conjunto de passos que constituem o Mtodo Simplex 40

2. Modificao do problema com variveis artificiais 40
TEMA SEIS: Outra forma do Mtodo Simplex .. 52
1. Custos e penalizaes. Soluo inicial admissvel . 53

2. Desenvolvimento do Mtodo Simplex . 55
3. Procedimentos do Mtodo Simplex (problemas de maximizao) .. 58
4. Aspecto matemtico singular 60
5. Mtodo simplex duas fases . 61
TEMA SETE: Problemas Modelados 65
TEMA OITO: Anlise de Sensibilidade . 70
1. Anlise Ps Optimalidade ,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 71

2. Anlise de sensibilidade dos coeficientes da funo objectivo . 72
2.1. Das variveis no bsicas na soluo otima . 72
2.2. Das variveis bsicas na soluo otima . 74
3. Anlise de sensibilidade das constantes do lado direito 75
4. Dualidade ... 77
4.1.Modelos Primal e Dual 77
4.2.Teorema Dual ..78
5. Relao entre o Primal e o Dual 78
6. Valor otimo das variveis do Modelo Dual 80
7. Significado econmico dos valores otimo das variveis do modelo Dual .82
8. Anlise de sensibilidade usando o Modelo Dua .83
9. Incluso de uma nova varivel 83
10. Anlise de sensibilidade dos coeficientes das restries 85
3
SEGUNDA PARTE
TEMA NOVE
PROBLEMA DE TRANSPORTE
1. Noes Gerais
2. Um Exemplo de Problema de Transporte

3. Formulao de um Problema de Transporte
4. Arranjos a forma genrica
5. Propriedade do Modelo de Transporte
6. Mtodo de stepping-Stone
5.6.1. O mtodo do custo mnimo por linha
5.6.2. O mtodo do custo mnimo por coluna
5.6.3. Desenvolvimento do mtodo stepping-stone
7. Dificuldades do Problema de transporte
8. Exerccios para resolver
TEMA DEZ
ANLISES DE REDES
1. Conceito Bsico em Teoria de Grafos

2. O Problema da rvore Geradora de Custo Mnimo
2.1.O Algoritmo de Kruskal
2.2.O Algoritmo de PRIM
3. O problema do caminho mais curto
3.1.1. O algoritmo de DIJKSTRA

3.1.2. Outra forma de Resolver o Problema
3.1.3. O algoritmo de Ford
3.1.4. O algoritmo de Floyd
4. O problema do Fluxo Mximo
4.1.1. Corte de uma Rede

4.1.2. O algoritmo de Ford Fukerson
4.1.3. Resoluo de Problema
4.1.4. Casos especiais do Fluxo Mximo
5. O Problema do Fluxo de Custo Mnimo
5.1.1. Situao
5.1.2. Formulao do problema
5.1.3. O algoritmo de BUSACRER GOWEN
5.1.4. Exerccios Proposto
4
TEMA UM:
BREVE HISTORIAL DA INVESTIGAO OPERACIONAL
Em sua origem, a pesquisa operacional surge desde o advento da Revoluo Industrial,

o mundo presencia o crescimento extraordinrio no tamanho e na complexidade das
organizaes. As pequenas oficinas de artesos de outrora evoluram para as
corporaes bilionrias de hoje. Um fator crucial para essa mudana foi o extraordinrio
aumento na diviso do trabalho e a segmentao das responsabilidades administrativas
nessas organizaes. Os resultados foram espetaculares. Entretanto, junto com os pontos
positivos, essa crescente especializao criou novos problemas, que ainda ocorrem em
muitas organizaes. Um deles a tendncia das diversas unidades de uma organizao
formarem imprios relativamente autnomos com os seus prprios objetivos e sistemas
de valor, perdendo, consequentemente, a viso de como as suas atividades e objetivos se
entremeiam com aquelas da organizao como um todo. O que melhor para uma das
unidades com frequncia prejudicial outra, o que pode levar a objetivos conflitantes.
Um problema decorrente que, medida que aumentam a complexidade e a
especializao, torna-se cada vez mais difcil alocar os recursos disponveis para as
diversas atividades da maneira mais eficiente para toda a organizao.
Esses tipos de problema e a necessidade de encontrar o melhor caminho para solucion-

los criaram as condies necessrias para o surgimento da investigao operacional
(comumente referida como IO). As origens da IO remontam a dcadas,1 quando tentou-
se uma abordagem cientfica da gesto das organizaes. Porm, o incio da atividade,
denominada investigao operacional, geralmente atribudo s aes militares nos
primrdios da Segunda Guerra Mundial. Em razo da guerra, havia a necessidade
premente de alocar de forma eficiente os escassos recursos para as diversas operaes
militares. Por consequncia, os comandos britnico e norte-americano convocaram
grande nmero de cientistas para lidar com este e outros problemas tticos e
estratgicos. Na prtica lhes foi solicitada a realizao de pesquisas sobre operaes
(militares). Essas equipes de cientistas foram as primeiras da rea de IO. Utilizando
mtodos eficientes de emprego da nova ferramenta radar, essas equipes contriburam
para a vitria da Batalha Area na Gr-Bretanha. Por intermdio dessas pesquisas sobre
como melhor administrar operaes de comboio e antissubmarinos, esses cientistas
determinaram a vitria da Batalha do Atlntico Norte. Esforos semelhantes ajudaram
na Campanha Britnica no Pacfico.
Quando a guerra acabou, o sucesso da IO no empreendimento blico despertou

interesse na sua aplicao fora do ambiente militar. medida que o boom industrial
ps-guerra progredia, os problemas causados pela crescente complexidade e
especializao nas organizaes ganharam novamente o primeiro plano. Tornava-se
aparente para um nmero cada vez maior de pessoas, entre elas consultores de negcios
que trabalharam nas equipes de IO ou em conjunto com elas durante a guerra, que estes
eram basicamente os mesmos problemas que tinham enfrentado os militares, porm,
agora, em um contexto diferente. No incio dos anos 1950, esses indivduos haviam
introduzido a IO nas diversas organizaes dos setores comercial, industrial e
governamental. Sua rpida disseminao veio a seguir. Identificam-se pelo menos dois
fatores que desempenharam papel fundamental no rpido crescimento da IO nesse
perodo. O primeiro foi o progresso substancial das tcnicas da IO. Aps a guerra,
muitos dos cientistas que haviam participado das equipes de IO ou que ouviram falar a
5
esse respeito motivaram-se para desenvolver pesquisas relevantes nesse campo, o que
resultou em avanos rumo ao que havia de mais novo. Um exemplo essencial o
mtodo simplex para soluo de problemas com programao linear, desenvolvido por
George Dantzig, em 1947.
Vrias ferramentas padro da IO, como programao linear, programao dinmica,

teoria das filas e teoria do inventrio, atingiram um estado relativamente bem
desenvolvido antes do final dos anos 1950. Um segundo fator que deu grande mpacto
ao crescimento desse campo foi a avalanche da revoluo computacional. Requer-se
grande volume de processamento de clculos para o tratamento eficiente dos problemas
complexos normalmente considerados pela IO. Fazer isso mo estaria fora de
cogitao. Portanto, o desenvolvimento de computadores eletrnicos digitais, com
capacidade de realizar clculos matemticos milhes de vezes mais rapidamente que o
ser humano, impulsionou muito a IO. Outro estmulo surgiu nos anos 1980, com a
criao de computadores pessoais cada vez mais poderosos, munidos de excelentes
pacotes de software para a IO.
1. A NATUREZA DA INVESTIGAO OPERACIONAL
Como o prprio nome indica, a pesquisa operacional envolve pesquisa sobre

operaes. Portanto, a PO aplicada a problemas que compreendem a conduo e a
coordenao das operaes (isto , as atividades) em uma organizao. A natureza das
organizaes essencialmente secundria e, de fato, a IO tem sido amplamente aplicada
em reas to distintas como manufatura, transportes, construo, telecomunicaes,
planejamento financeiro, assistncia mdica, militar e servios pblicos, somente para
citar algumas delas.
Portanto, a gama de aplicaes excepcionalmente grande. Parte do termo significa

que a pesquisa operacional usa uma abordagem que relembra a maneira pela qual so
conduzidas as pesquisas em campos cientficos usuais. Em grau considervel, o mtodo
cientfico utilizado para investigar o problema empresarial (de fato, a expresso
cincias da administrao algumas vezes usada como sinnimo de pesquisa
operacional). Em particular, o processo tem incio observando-se e formulando-se
cuidadosamente o problema, incluindo a coleta de dados relevantes.
A prxima etapa construir um modelo cientfico (tipicamente matemtico) que tenta

abstrair a essncia do problema real. Parte-se, ento, da hiptese de que esse modelo
uma representao suficientemente precisa das caractersticas essenciais da situao e
de que as concluses (solues) obtidas do modelo tambm so vlidas para o problema
real. A seguir, so realizadas experimentaes adequadas para testar essa hiptese,
modific-la conforme necessrio e, por fim, verificar alguma forma da hiptese (essa
etapa frequentemente conhecida como validao do modelo). Assim, at certo ponto,
a investigao operacional envolve a pesquisa cientfica criativa das propriedades
fundamentais das operaes. Entretanto, h outros fatores alm desse. Especificamente,
a IO tambm trata da gesto prtica da organizao.
Portanto, para ser bem-sucedida, a IO tambm precisa, quando necessrio, fornecer

concluses positivas e inteligveis para o(s) tomador(es) de deciso. Outra caracterstica
da IO seu ponto de vista abrangente. Conforme ficou implcito no tema anterior, a IO
adota um ponto de vista organizacional. Assim, tenta solucionar os conflitos de
6
interesses entre as unidades de modo que seja a melhor soluo para a organizao
como um todo. Isso no implica que o estudo de cada problema deva considerar
explicitamente todos os aspectos da organizao, ao contrrio, os objetivos devem ser
consistentes com aqueles de toda a organizao.
Uma caracterstica a mais que a IO tenta, frequentemente, encontrar uma melhor

soluo (conhecida como soluo tima) para o modelo que representa o problema
considerado. (Dissemos uma melhor soluo em vez de a melhor soluo, pois pode
haver vrias solues, cada uma delas sendo considerada como a melhor). Em vez de
simplesmente melhorar o status quo, o objetivo identificar o melhor caminho a
percorrer. Embora ele deva ser interpretado com cuidado em termos das necessidades
prticas da administrao, a busca pela otimalidade um tema importante na IO.
Todas essas caractersticas levam quase naturalmente a outra. evidente que no se

espera que ningum seja um especialista em todos os aspectos do trabalho em IO ou dos
problemas normalmente considerados, o que exigiria um grupo de indivduos com
conhecimento prvio (background) e habilidades diversas. Portanto, quando se realiza
um estudo de IOtotalmente maduro de um novo problema, geralmente necessrio
adotar-se uma abordagem de equipe. Uma equipe de IO desse tipo precisa contar com
indivduos que sejam altamente treinados em matemtica, estatstica e teoria da
probabilidade, economia, administrao de empresas, informtica, engenharia e fsica,
cincias comportamentais e as tcnicas especiais de IO. A equipe tambm precisa ter
experincia necessria e diversas habilidades para dar a devida ateno a todas aquelas
ramificaes do problema que permeiam a organizao.
Uma importante parte destes apontamentos, a apresentao dos principais algoritmos

(procedimentos sistemticos para soluo) da PO para resolver certos tipos de problema.
Alguns desses algoritmos so incrivelmente eficientes e so usados no cotidiano em
problemas que envolvem centenas ou milhares de variveis. Faremos a introduo de
como esses algoritmos funcionam e o que os torna to eficientes.
Atualmente,uma abordagem muito conhecida o uso do programa de planilhas mais

utilizado do momento, o Microsoft Excel, para formular pequenos modelos de IO no
formato de planilha. O Excel Solver (ou uma verso aperfeioada desse programa
adicional como o Premium Solver for Education.
Nota importante para estudantes de engenharia informtica

Existem outros softwares que podem ser utilizados como o LINDO (e tambm a
linguagem de modelagem que o acompanha, o LINGO) continua a ser um pacote de
software de IO popular. O CPLEX um pacote de software de ltima gerao
amplamente utilizado para solucionar problemas de PO abrangentes e desafiadores. Ao
lidar com esses problemas, comum tambm se usar um sistema de modelagem para
formular de modo eficiente o modelo matemtico e introduzi-lo no computador. MPL
um bom sistema de modelagem, que utiliza o CPLEX como principal solucionador, mas
tambm possui vrios outros solucionadores, entre eles o LINDO, o CoinMP, o
CONOPT, o LGO e o BendX (til para resolver alguns modelos estocsticos). Uma
verso educacional do MPL, junto com a verso educacional mais recente do CPLEX e
seus outros solucionadores, encontra-se disponvel para download gratuito na internet.
7
2. OBJECTO DE ESTUDO DA INVESTIGAO OPERACIONAL
Muitos dos problemas atuais baseiam-se em escolher uma alternativa, a melhor entre,
muitas ou seja, a tomada de deciso. A investigaooperacional (IO) um dos ramos
da matemtica que utiliza processos numricos de chegar a melhor alternativa.
Pesquisa Operacional = Investigao das Operaes.
Operao = Conjunto de atos necessrios para obter determinados resultado.
Investigao = Pesquisa que conduz o resultado que so imediatamente utilizveis fora

do domnio da cincia (na vida real); ou seja procura resolver um problema e alguns dos
objetivo a atingir so de natureza no cientfica.
Objetivo de Ensino da IO
Definio: A IO a cincia aplicada vocacionada na resoluo de um problema da vida

real, nos quais se procura trazer para o campo da tomada de deciso (sobre a concepo
a planificao ou a operao de sistema) a altitude e os mtodos prprios de outras
reas cientificas.
Atravs de desenvolvimento de base quantitativa, a IO visa tambm introduzir

elementos de objetividade e racionalidade nos processos de tomada de deciso sem
descurar no entanto os elementos subjetivos e de enquadramentos organizacional que
caracterizam os problemas.
Nota: Diz-se que um individuo (ou um grupo) tem um problema se e s se:
Deseja atingir determinados objetivos,

Possui modos alternativos de o alcanar
Ignora - se qual a melhor alternativa.
Suponhamos por exemplo, que uma empresa dispe de diversos recursos (matria
prima, mo de obra, etc.) que os pode combinar de diversos modos para produzir
certo bem. Admitindo que o problema consiste em determinar a combinao produtiva
que permite obter o bem a um certo custo mnimo, pode sugerir a questo de procurar a
tcnica matemtica mais eficaz para minimizar certo tipo de funo custo.
3. A MODELAGEM NA INVESTIGAO OPERACIONAL
Grande parte destesapontamentos dedicada aos mtodos matemticos da investigao

operacional, j que essas tcnicas quantitativas formam a principal parte do que
conhecido como IO. Porm, isso no implica que estudos prticos no campo da IO
sejam essencialmente exerccios matemticos. Na realidade, a anlise matemtica
normalmente representa apenas uma parte relativamente pequena do esforo total
requerido.
8
Definio: Designa se por modelo uma representao suficientemente precisa de
caractersticas essncias da situao a analisar (da realidade) de modo que as concluses
(solues) obtida a partir dele sejam tambm validas para o problema real.
Nota: O modelo um esquema simplificado para a interpretao da realidade. Em
consequncia da complexidade do mundo real, necessrio formular modelos
simplificados que levem a compreenso de certos fenmenos. A mera acumulao de
observao no pode oferecer explicao satisfatria do fenmeno e, portanto, o
investigador tem a necessidade de sistematizar e racionalizar os factos conhecidos,
selecionando os aspectos mais importantes e desprezando os que considera irrelevante.
Existem 3 tipos de modelos:
Modelos Icnicos: So representaes reduzidas de estado, objetos ou acontecimentos.

Representam o fenmeno real apenas com uma transformao de escala.
Modelos Analgicos: Em se entrega uma propriedade para representar outra. Por

exemplo utiliza grficos a cores e com legendas.
Modelos Simblicos: So aqueles em que as propriedades dos fenmenos reais so

expressas simbolicamente como o caso dos modelos matemticos.
Definio: Os modelosmatemticosso tambm apresentadas idealizadas, mas

expressas em termos de smbolos e expresses matemticas. Este modelo consiste num
sistema de equaes e de expresses matemticas relacionada, que descrevem os
aspectos essenciais do problema.
Os modelos matemticosutilizados na IOso tcnicas quantitativas que formam a parte

principal do que conhecido acerca da IO no entanto, muitas vezes as anlises
matemticas representam apenas uma parte relativamente pequena do esforo total
exigido.
9
TEMA DOIS
PROGRAMAO LINEAR
Definio: A programao linear uma tcnica da PO. Esta denominao se atribui

porque considera-se que as restries e as condies impostas aos problemas tratados
so expressas em termos Lineares.
Ela consiste em dispor os dados de um problema cujas incgnitas guardam relaes

lineares, sob a forma de um sistema de equaes e/ou inequaes composto de uma
equao chamada funoobjectivo para qual deseja-se obter um resultado ptimo
(mximo ou mnimo) sujeito a restries ou condicionamentos, constitudo por vrias
equaes ou inequaes.
Quando o nmero de incgnitas igual a 2 ou 3 o sistema admite uma soluo grfica.

Muito complicada no segundo caso por se tratar de um problema no espao
tridimensional. Os problemas com 4 ou mais incgnitas pertencendo a um espao n-
dimensional s admitem solues algbricas atravs do clculo matricial.
Os trs principais grupos de problemas que podem ser resolvidos por Programao
Linear so:
Misturas de ingredientes com composio e preos conhecidos para atenderem a

determinadas especificaes (de composio ou de estoque) a custo mnimo ou lucro
mximo: Raes balanceadas para animais, refeies, abastecimento de comunidades ou
tropas, combustveis e lubrificantes, fertilizantes e corretivos, defensivos agrcolas,
perfumes e cosmticos, ligas metlicas, Industria de alimentos, etc.
Transporte, distribuio ou alocao, em que se procura determinar as quantidades a

transportar segundo as vias alternativas possveis a frequncia ou perodos de transporte
e as especificaes quanto a operao levando em conta os custos (fretes, riscos de
capital empatado, prmios e multas, embalagem, armazenamento, capacidade dos
meios, etc.). A poltica de Transporte e o fator a maximizar ou minimizar (custos,
quantidades, tempo, etc.). Entre as reas de utilizao cita-se: abastecimento,
distribuio de produtos, transporte de cargas ou pessoas, etc..
Programas de Produo ou limitao de recursos nos sectores agrcolas, industrial ou de

servios.
1. FASES DE ESTUDO EM INVESTIGAO OPERACIONAL(para a

resoluo de um problema)
Uma forma de se sintetizar as fases usuais para resolver um problema Investigao

Operacional, a seguinte:
10
1. Formulao do problema. Definir o problema de interesse e anotar dados.
2. Construo do modelo matemtico para representar o problema.
3. Resoluo do problema: Desenvolver um procedimento a fim de derivar
solues para o problema a partir do modelo.
4. Avaliao do resultado: Testar o modelo e aprimor-lo conforme necessrio.
5. Tomada de deciso: Preparar-se para a aplicao contnua do modelo
conforme prescrito pela gerncia.
6. Implementao.
I. Formulao do Problema:
Nesta fase, o problema analisado a partir de um sistema integrado, no sentido de
coloca-lo de maneira clara e coerente, definindo os objetivos a alcanar e quais os
possveis caminhos alternativos para que isso ocorra.
Alm disso, sero levantadas as limitaes tcnicas do sistema e as relaes desse

sistema com outros, com a finalidade de criticar a validade de possveis solues em
face destes obstculos.
Deve determinar os objetivos adequados, as restries necessrias, as inter-relaes

entre as rea a estudar e outras reas afins, a possvel ao alternativa, o tempo limite
para produzir uma deciso, etc.
A formulao inicial deve ser continuamente reexaminada, luz de novos

conhecimentos obtidos durante as ultimas fases.
NOTA: muito difcil procurar uma soluo certa para um problema mal formulado
II. Construo do ModeloMatemtico

Ummodelo matemtico de um problema de optimizao representado por um sistema
de equao ou inequao, que represente os aspectos essenciais do problema. Os
modelos, ou representaes idealizadas, so uma parte integral, do dia-a-dia.
A estrutura modelo matemtico a seguinte:
Variveis de deciso correspondem as quantidade de decises a serem tomadas e

cujo os valores so os que se pretendem determinar.
Funo objectiva - corresponde a medida de rendimento apropriado (por exemplo,
custo) e expressa por uma funo matemtica envolvendo as variveis de deciso e
os pesos atribuir a cada uma delas,
Restries correspondem as limitaes impostas nos valores das variveis de
deciso que iro ser determinados; so tambm expressas matematicamente
(normalmente atravs de inadequaes ou equaes); os parmetros so as constantes
presentes nas restries (coeficiente da parte direita das restries).
11
Um tipo importante de modelos matemticos o modelo de programao linear (PL),
onde as funes matemticas que aparecem na funo objectivo e nas restries so
lineares.
Quando se desenvolve o modelo, deve-se comear com uma verso muito simples, para
depois evoluir-se para modelos mais elaborados e que mais de perto reflita a
complexidade do problema real. Este processo de enriquecimento de modelo contnua
apenas enquanto o modelo permanecer manejvel. Desta forma, o compromisso base a
considerar a entre a preciso e o manejar do modelo.
NOTA: Um passo importante na formulao de modelo matemtico a construo da

funo objetivo, o que exige o desenvolvimento de uma medida quantitativa de
rendimento, relativo a cada objetivo que foi formulado no estudo. Se existir vrios
objetivos, normalmente a respectiva medida ento transformada e combinada numa
medida composta denominada por medida de rendimento total. Esta medida pode ser
muitas vezes evidente (por exemplo, custo) correspondendo a uma grande meta, ou
pode ser abstrata (por exemplo, utilidade). Neste ultimo caso, a tarefa para
desenvolver esta medida tende a ser um certo complexo, exigindo uma comparao
cuidadosa dos objetivos e da sua importncia relativa. Exprimindo esta medida com
uma funo matemtica das variveis de deciso.
Simbolicamente, o modelo e apresentado com frequncia na seguinte

forma tpica:

(min ) = 1 1 + 2 2 + + funo objectivo (economia ou
critrio)
11 1 + 12 2 + + , {, =, }1
22 2 + + 2 , {, =, }2
. : { 21 1 +
1 1 + 2 2 + + , {, =, }
1 , 2 , , 0 condies de no negatividade
Onde:
( = 1, , ; = 1, , ) so os coeficiente tcnicos ou tecnolgicos.
1 , 2 , . , so termos independente (constante da restrio ou segundos membro)
1 , 2 , . , coeficiente da funo objectivo (coeficiente de custo)
1 , 2 , . , variveis de deciso (principais ou controlveis)
12
III.Resoluo do problema. Clculo de uma soluo atravs do modelo.
Depois da construo do modelo matemtico para o problema, a etapa seguinte consiste
em obter uma soluo a partir do modelo. Existem 2 mtodos principais para obter uma
soluo ptima (ou vizinha da soluo ptima):
O modelo analtico consiste em obter a soluo por via dedutiva, utilizando diversos
ramos da matemtica.
O modelo numrico recorre ao emprego de tcnicas de clculos que permitem obter

indutivamente a soluo, quer ensaiando diversos valores nas variveis de deciso quer
adoptando processos iterativos.
A fase do processo apara obteno de uma soluo so as seguintes:
a) Procura de solues ptimas
Tem sido desenvolvido muito procedimento para determina estas solues para certo
tipo de problema. No entanto, necessrio reconhecer que estas solues so ptimas
apenas relativamente ao modelo utilizando. Uma vem que o modelo , necessariamente
mais uma idealizao do que uma representao exata do problema real, no existe
garantia de que a soluo ptima do modelo seja o melhor possvel que possa ser
incompleta no problema real. No entanto, se o modelo estiver bem formulado e testado,
a soluo resultante tendera a ser uma boa aproximao da ao real.
Combinada numa medida composta denominada por medida de rendimento total. Esta
medida pode ser muitas vezes evidente (por exemplo, custo) correspondendo a uma
grande meta da organizao, ou pode ser abstrata (por exemplo, utilidade). Neste
ultimo caso, a tarefa para desenvolver esta medida tende a ser um certo complexo,
exigindo uma comparao cuidadosa dos objetivos e da sua importncia relativa.
Exprimindo esta medida com uma funo matemtica das variveis de deciso.
b) Optimizao vs. Satisfao
Segundo Herbert Simon, a satisfao muito mais dominante do que a optimizao

nas aes reais. Criou-se o termo satisfao com uma combinao das palavras
satisfatria e optimizao a distino entre optimizao e satisfao reflete a diferena
entre as teoria e as realidades, normalmente tentando implementa aquela teoria na
prtica. Segundo Samuel Eilon, optimizao a cincia do ultimato; satisfao a arte
do admissvel.
c) Procedimentos heursticos para obter boas solues ptimas
Oobjectivo de um estudo da PO ser conduzir o estudo numa forma ptima. Alem de

procurar a optimizao deve-se considerar o custo do estudo, as desvantagens da
demora na sua realizao, e depois tentar maximizar os benefcios lquidos resultantes
do estudo. No reconhecimento deste conhecimento, utilizam-se apenas, ocasionalmente,
procedimentos heursticos (i.e., procedimentos designados intuitivamente que
13
nogarantem uma soluo ptima) para encontrar uma boa soluo, sub ptima, isto
muito frequente em casos em que o tempo, ou custo, para encontrar uma soluo ptima
de um modelo adequado do problema deve ser muito elevado.
d) Analise ps - ptimo: anlise de sensibilidade para determinar quais os

parmetros do modelo que se revelam mais crticos
Ate aqui, a discusso tem implicado que, o estudo de um problema em PO procure

encontrar apenas uma soluo, que pode ou exigir-se que seja ptima. De facto,
normalmente este no o caso. Uma soluo ptima do modelo original pode estar
longe da ideal no problema real. Por isso, a anlise ps - otimal implica uma parte
muito importante da maioria dos estudos de PO. Em parte, a anlise ps - otimal implica
conduzir a anlise de sensibilidade para determinar que parmetros do modelo so mais
crticos (os parmetro sensveis) na determinao da soluo. Geralmente, alguns, ou
todos, os parmetros so uma estimativa de alguma quantidade (por exemplo, unidade
de custo) cujo valor exato tornasse-a conhecido apenas depois de a soluo ter sido
implementada.
Por isso, depois de identificar os parmetro sensveis. Em alguns casos, certos

parmetros de modelo representam decises interesse (por exemplo, atribuio de
recursos). Existe, ento, com frequncia alguma flexibilidade nos valore associados
queles parmetros. Talvez alguns possam ser aumentados conforme a diminuio dos
outros. A anlise ps -ptima inclui a investigao de tais compromissos.
Em conjunto com o estudo da fase seguinte, a anlise ps - otimal tambm implica uma
obteno de uma sequncia de solues que incluem uma serie de melhoramentos que
se aproximam da aco ideal. Assim, as aparente fraqueza da soluo inicial so
utilizadas para sugerir melhoramentos no modelo, nos seus dados de entrada e, talvez, o
procedimento de obteno de uma soluo. Uma nova soluo ento obtida, o ciclo
contnuo, at que o melhoramento nas sucessivas solues torne-se demasiado pequeno
para justificar a continuao.
IV. Avaliao do modelo e da soluo:

Nesta fase, pretende-se avaliao quer do modelo escolhido, como da soluo
encontrada. Dependendo da concluso desta avaliao, determina-se o passo a seguir.
a) Avaliao satisfatria: Proceder a tomada de deciso que prepara as condies

para implementao da soluo encontrada, uma situao real.
b) Avaliao no satisfatria: procede-se a reformulao, remodelao e construo
do novo modelo a partir dos resultados encontrados no processo de avaliao e
tambm na anlise de sensibilidade e ps optimizao.
V. Tomada de deciso sobre a soluo encontrada
Concluda a etapa da avaliao, necessrio elaborar um relatrio bem documentado

que possibilite a implementao da soluo obtida na vida real. Este relatrio deve
14
incluir o modelo e um procedimento para a tomada de deciso, o que significa, que
todas aces a serem realizadas para a implementao dos resultados, devem ser
includas numa metodologia bem detalhada com todos os passos que sejam necessrio
seguir para sua implementao.
VI. Implementao
Neste passo efetua-se a implementao das solues obtidas usando a metodologia
elaborada. Neste processo, preciso envolver ativamente todos os componentes que
atuam no sistema em estudo.
Depois de seterem implementado as solues, tal como se referiu no 2 passo, pode ser
necessrioavanar para uma etapa mais complexa, incluindo alguns elementos novos.
Neste caso, inicia-se um novo ciclo para a resoluo do problema em causa, s que
agora com um nvel de complexidade superior.
2. EXEMPLOS DE PROBLEMAS DE PROGRAMAO LINEAR
Exemplo 1.A empresa KOMFOR, LDA produz mobiliria de escritrio e pretende

lanar um novo modelo de secretarias e estantes. Pensa-se que o mercado pode absorver
toda a produo de estantes, mas aconselha seque a produomensal de secretarias no
ultrapasse 160 unidades. Ambos os produtos so produzidos nas unidades de
estampagem (UE) e de montagem e acabamento (UMA).
A disponibilidade mensal em cada uma destas unidades de 720 horas maquina na

UE e 880 horas maquina na UMA. Cada secretrianecessita de 2h m na UE e 4h m
na UMA. Cada estante necessita de 4h m na UE e 4h-m na UMA.
A margem de lucros utilitrio os estimado no de 6,00 cuanzas para a secretaria 3,00

cuanzas as estantes.
O problema: Qual o plano de produo mensal para as secretaria e estantes que

maximiza a margem de lucros.
1. Formulazao do problema:
- Quantidade de secretaria a produzir por ms (1 )
- Quantidades de estantes a produzir por ms (2 )
a) Funo objetivo
- Maximizar a margem bruta total por ms:
= 61 + 32
b) Restries
- Disponibilidade mensal de UE.
- Disponibilidade mensal de UMA.
15
- Produo mensal de secretarias.
SECRETARIAS ESTANTES DISPONIBILIDADE

UE 2h 4h 720 h
UMA 4h 4h 880 h
MERCADO 1 0 160
LUCRO 6 3
Modelao matemtica
- Cada secretaria necessita de 2h (UE) pelo que o numero de horas necessria na
produo de 1 secretarias de 21 .
- Cada estante necessita de 4 h (UE) pelo que o numero de horas necessrias na

produo 2 estantes de 42 .
A disponibilidade mensal de 720 horas.
Logo a restrio relativa a UE :
Total de horas gastas Total de horas Disponibilidade em

em secretarias gastas nas estantes horas
Algebricamente se traduz na desigualdade linear:
21 + 42 720
OBS: Esta analise anloga para as restantes restries. Resumindo, o problema

consiste em determinar 1 2 de forma a maximizar a margem de lucros, isto :
Maximizar = 61 + 32 (lucro mensal em kz)
Sujeito a 21 + 42 720 (UE)
41 + 42 880 (UMA)
1 160 (MERCADO)
1 , 2 , 0 (no negatividade)
Exemplo.2 Um criador de porco, pretende determinar a quantidade de cada tipo de

rao a dar diariamente a cada animal, para conseguir uma dada quantidade nutritiva a
custo mnimo.
16
Os dados relativo ao custo de cada tipo de rao, as qualidades mnima diria de cada
ingrediente nutritivo bsico a fornecer a cada animal, bem como as quantidades destes
existentes em cada tipo de rao (j/kg) constam no seguinte quadro:
Granulado (gr/kg) Farinha (gr. /kg) Quantidade mnima requerida

Hidratos de 20 50 200
carbono
Vitaminas 50 10 150
Protenas 30 30 210
Custo (kz/kg) 10 5
1) Formalizao do problema
a) Variveis de deciso
- Quantidade (kg) de granulado existente na rao diria (1 ).
- Quantidade de farinha existente na rao diria (2 ).
b. Funo objetivo
Minimizar o custo da rao diria.
= 101 + 52
b) Restries
- Quantidademnima diria de hidrato de carbono.
- Quantidade mnima diria de vitaminas.
- Quantidade mnima diria de protenas.
2) Modelao matemtica
Minimizar = 201 + 502 (custo dirio)
Sujeito a 201 + 502 200 (hidrato de carbono)
501 + 102 150 (vitaminas)
301 + 302 210 (protenas)
1 , 2 0 (no negatividade)
Exemplo.3. As caravanas MARCO POLO,LDA, usam dromedrios (1 bossa)e

camelos (2 bossas) para transportar figos secos de Bagdade para Meca. Um camelo
pode levar no mximo 100 kg e um dromedrio 50 kg. Durante a viagem um camelo
consome 3 fardos de feno e 100 gales de gua. Um dromedrio 4 fardos de feno e
80 gales de gua.
17
As estaes de MARCO POLO, situada em vrio osis ao longo do caminho, apenas
tm disponveis 1600 gales de gua e 60 fardos de feno.
Os camelos e dromedrios so alugados a um pastor de Bagdade a 11 pazuzas por

camelo e 5 pazuzas por dromedrio. Se as caravanas MARCO POLO, LDA tiveram
uma carga de 1.000 kg de figos secos para transportar, quantos camelos e
dromedrios devem ser usados para minimizar a renda a pagar ao pastor?
1) Formulao do problema a) variveis de deciso
- Quantidade de camelos a usar (1 )
- Quantidade de dromedrios a usar (2 )
b) Funo objectivo
- Minimizar a renda a pagar ao pastor
= 111 + 52
c) Restries
- Disponibilidade de caravana.
- Disponibilidade de feno.
- Disponibilidade de gua.
Camelos Dromedrios Disponbilidade
Capacidade 100 50 1000
Feno 3 4 60
Agua 100 80 1600
Renda a pagar 11 5
2) Modelao matemtica
Minimizar = 111 + 52 (renda)
Sujeito a 1001 + 502 1000 (capacidade)
31 + 42 60 (feno)
1001 + 802 1600 (gua)
1 , 2 0 (no negatividade)
Exemplo.4.Certa empresa fabrica 2 produtos P1 e P2. O lucro por unidade de P1 de

100 u.m. e o lucro unitrio de P2 de 150 u.m. A empresa necessita de 2 horas para
fabricar uma unidade de P1 e 3 hora para fbrica uma unidade de P2. O tempo mensal
disponvel para essa actividade de 120 horas. As demandas esperadas para os 2
produtos levaram a empresa a decidir que os montantes produzidos de P1 e P2 no
devem ultrapassar 40 unidades de P1 e 30 unidade de P2 por ms.
Construa o modelo de sistema de produo mensal com o objectivo de maximizar o

lucro da empresa.
18
Resoluo de exerccio
Empresa produz 2 produtos (P1 e P2)
Com relao a P1
Lucro 100 u.m.
Tempo para produzir 2 hora
Produo mxima 40 uni/ms
Tempo disponvel para a produo das duas unidades de 120 horas
Definio das variveis
- Varivel a ser optimizada
Max. Lucro:lucro mximo a ser atingido por ms.
-variveis bsicas
X1: quantidade ptima de produo/ms de P1
X2: quantidade ptima de produo/ms de P2
Funo objectivo
Max. Lucro= 1001 + 1502
Conjunto de restries
21 + 32 120
{ 1 40
1 30
1 0
Exemplo 5
Uma empresa de comida canina produz dois tipos de raes: Tobi e Rex.
Para a manufactura das raes so utilizados cerais e carne. Sabe-se que:
A Tobi utiliza 5 kg de cereais e 1 kg de carne, a rao Rex utiliza 4 kg de carne e

2 kg de cereais;
O pacote de rao Tobi custa $ 20 e o pacote de rao Rex custa $ 30;
O kg de carne custa $ 4 e o kg de cereais custa $ 1;
Esto disponveis por ms 10 000 kg de carne e 30 000 kg de cereais.
19
Deseja-se saber qual a quantidade de cada rao a produzir de modo a maximizar o
lucro.No modelo deseja maximizar o lucro (Z) a partir da quantidade da rao Tobi
(1) e de rao Rex (2).
Rao Tobi Rao Rex

Custo de carnes 1 Kg $ 4 = $ 4 4 Kg $ 4 = $ 16
Custo de cereais 5 Kg $ 1 = $ 5 2 Kg $ 1 $ 2
Custo total $9 $ 18
Preo $ 20 $ 30
Lucro $ 11 $ 12
Funo objectivo
= 111 + 122
Conjunto de restries
11 + 42 10000 ( )
{
51 + 22 30000 ( )
1 , 2 0 ( )
20
TEMA TRS
RESOLUO GRFICA DE PROBLEMAS DE PL
A resoluo grfica de um problema de PL s possvel quando o problema tem duas

ou trs variveis de deciso. Ns estudaremos apenas problemas com duas variveis
cujo grfico ficar representado num plano.
Considera se um sistema cartesiano com o eixo das abcissas associado a x 1 e o eixo

das ordenadas associado a x2.
Relaxando ou enfraquecendo a condio de desigualdade das restries tcnicas, estas

passam a ser equaes que definem retas. Cada uma destas retas divide o plano em duas
regies disjuntas verificando se a relao de desigualdade apenas em pontos de uma
das regies (sub espaos).
Procedendo desta forma possvel, por interao, definir o conjunto de pontos

soluo do problema e neste determinar aquele ou aqueles onde a funo objetivo tem o
seu extremo (maximizar ou minimizar).
Roteiro bsico para resoluo de problemas pelo mtodo grfico
1) Identificar as variveis de deciso.
2) Montar a funo-objetivo.
3) Montar as equaes de restrio.
4) Determinar no mnimo 2 pontos para cada reta de restrio.
5) Marcar os pontos e traar as retas no plano cartesiano.
6) Selecionar (marcar) a rea vivel.
Obs: Se a restrio for:
=, Sobre a reta
>=, Acima da reta e a direita
<=, Abaixo e a esquerda da reta
7) Verificar a rea comum entre todas as restries.
8) Achar o ponto ptimo do problema.
9) Formular a resposta.
O processo baseia se na representao grfica da reta Z = F (x1, x2) = const., para um

conjunto de valores, ou seja, traar retas Z = constante, at que contenha pelo menos um
21
ponto da regio admissvel e esteja o mais distante possvel da reta Z = 0 (maximizar)
ou o mais perto possvel (minimizar).
Exemplo n1: (problemas de maximizao)
Max Z 4 x1 3x2
3x 4 x2 12
s.a : 1
7 x1 2 x2 14
x1 , x2 0
Nota: A regio ou espao de possibilidades (solues admissveis), o conjunto de

solues possveis do problema dado e formado por todos os pares de valores (x 1, x2)
que satisfazem simultaneamente todas as condies ou restries do problema.
a) Flexibilizao das restries:
Max Z 4 x1 3x2
3x 4 x2 12
s.a : 1
7 x1 2 x2 14
x1 , x2 0
b) Retas associadas a restrio: 3x1 4x2 12
p / x1 0 4x2 12 x2 3
p / x2 0 3x1 12 x1 4
3
c) A inclinao da reta obtida de . Este valor corresponde ao simtrico do
4
quociente entre os coeficientes de x1 e x2.
d) O conjunto de pontos possveis que esta reta verifica, corresponde a todo o

espao de pontos a esquerda da reta e sobre ela, uma vez que traduz todas as
combinaes de x1 e x2 que multiplicadas por 3 e por 4 respectivamente, sejam
menores ou iguais a 12.
e) Reta associada a restrio: 7 x1 2x2 14
(o processo anlogo ao anterior)
p / x1 0 2x2 14 x2 7
p / x2 0 7 x1 14 x1 2
7
Inclinao da reta:
2
22
Nota: Sendo que, a regio de solues admissveis corresponder a uma regio limitada
pelas duas restries e pelos dois eixos, limitando se assim a uma figura do primeiro
quadrante:
1. REPRESENTAO GRFICA DA FUNO OBJETIVO
Ao contrrio das restries, na funo objetivo no existe termo constante fixo com o
qual possamos relacionar os coeficientes das variveis. Assim sendo, escolhe se um
valor arbitrrio para o lucro ou seja, Z = 0 e tenta se representar a F.O. para esta
situao.
Para calcular a inclinao da funo objetivo, procura se a sua forma reduzida, ou

seja, transformar a equao por formas a encontrar a expresso da ordenada que
funo da abcissa.
Max Z 4 x1 3x2
Z 4 x1 3x2 0
4 Z
x2 x1 F .O. reduzida
3 3
4
p / Z 0 tem se que x2 x1
3
Atribuindo valores a x1, encontramos os valores de x2 que correspondem a pontos dessa

recta.
p / x1 0 x2 0
4
p / x1 1 x2
3
23
3
OBS: O declive da reta da FO que corresponde a razo entre os coeficientes das
4
abcissas e das ordenadas.
2. IDENTIFICAO DO PONTO PTIMO. SOLUO PTIMA
A maximizao da F.O efetua-se deslocando paralelamente a reta do F.O aumentando

no mximo possvel o valor do Z. O sentido da deslocao definido pela prpria F.O.:
O aumento do Z consegue-se aumentando se, e X2, uma vez que cada uma dela esta
associada a coeficientes positivos.
Ao logo do gradiente, ou ambos variveis aumentam ou ambos diminuem conforme o

sentido de deslocao. O sentido de deslocao da FO ser escolhido por forma a
garantir a max. Z.
A max. Z ser atingido no ltimo ponto de contato com a regio de solues

admissveis que corresponde a mxima deslocao da FO. A este ponto d-se o nome de
P.O. (ponto ptimo) e corresponde a um vrtice.
A soluo ptima corresponde ao vrtice da regio de soluo admissvel formada pela

interseco das duas restries e ser dada pela soluo do sistema de equaes.
16
1
3 x 4 x 12 x1

2
11
1
7 x 2 x 2 14 x2
21
11
Logo:
16 21 127
Z 4 x1 3x2 4. 3.
11 11 11
Problema de minimizao
Min Z 12 x1 14 x2
3x 7 x2 4
s.a : 1
4 x1 2 x2 3
x1 , x2 0
Flexibilidade do sistema
Min Z 12 x1 14 x2
3x 7 x2 4
s.a : 1
4 x1 2 x2 3
x1 , x2 0
24
Reta associado a 3x1 7 x2 4
4
P / x1 0 x 2
7
4
P / x 2 0 x1
3
Reta associado a 4x1+2x2 = 3
3
P / x1 0 x2
2
3
P / x2 2 x1
4
O conjunto de pontos possveis (regio de solues possveis) em cada uma das

restries corresponde aos pontos das prprias retas e todos os pontos que encontra a
direita da mesma uma vez que estamos perante inequaes de tipo maior ou igual.
A funo objetivo
Z 12 x1 14 x2
12
P / Z 0 12 x1 14 x2 0 x2 x1
14
P / x1 0 x2 0
6
Inclinao: 7 1 3
P / x1 x2
2 7
Graficamente:
25
3. PONTO TIMO. SOLUO TIMA
Uma vez representada a FO na origem do sistema, a minimizao de Z exige a

considerao de valores para x1 e x2, to pequenos quanto possvel. Assim a deslocao
paralela da funo em direo a regio de solues admissveis, deve limitar se aquela
posio em que toca a regio num primeiro ponto.
Este ponto denomina se ponto ptimo e corresponde ao par (x1, x2) de menor valor e
traduz a soluo ptima.
Uma vez identificada a soluo ptima, bastar calcular os valores que a traduzem,
considerando o vrtice obtido pela interseco das duas restries.
7
1
3 x 7 x 4 x1
2
22
1
4 x 2 x 2 3 x2
13
22
Logo:
13 7 127
Z 12 x1 14 x2 12. 14.
22 22 11
O problema de misto
Min Z x1 2 x2
15 x1 10 x2 75
s.a :
5 x1 5 x2 75
x1 , x2 0 A representao grfica conduz nos ao seguinte esquema:
26
Reta associado a 15 x1 10 x2 75
P / x1 0 x2 7,5
P / x2 0 x1 5
Reta associado a 5x1+5x2 = 75
P / x1 0 x2 15
P / x2 0 x1 15
1
Inclinao: 2
1
P / Z 0 x2 x1
2
Obs: Este um problema de minimizao em que a FO tem declive> 0.
Minimizao da PO
Para diminuir Z, teremos que diminuir x1 e aumentar x2, isto , deslocar paralelamente a
reta que traduz a FO para a esquerda, at que esta atinja o ultimo ponto da regio de
solues admissveis.
Este ltimo ponto em que a FO passa, ser o ponto em que x1 mnimo e x2 mximo.
Este ponto torna o valor de Z mximo, logo o ponto ptimo.
Clculo da soluo ptima
O ponto ptimo corresponde a soluo do sistema de equaes que segue:
15 x1 10 x2 75 x1 3

5 x1 5 x2 75 x2 12
Substituindo na FO, teremos:
Z x1 2x2 3 2 12 21
27
O problema de solues mltiplas
Max Z 10 x1 10 x2
x2 40

s.a : x1 20
2 x 2 x 80
1 2
x1 , x2 0
Flexibilidade do sistema
Min Z 10 x1 10 x2
x2 40

s.a : x1 20
2 x 2 x 80
1 2
x1 , x2 0
Reta associado a 2 x1 2 x2 80
P / x1 0 x2 40
P / x2 0 x1 40
Reta associado a x1=20 (reta vertical com abcissa igual a 20); a x2 = 40 (reta horizontal
com ordenada igual a 40)
FO: p/ Z = 0; x2 = x1
Soluo ptima: Max Z
Para aumentar Z, teremos que aumentar x1 e diminuir x2 ou seja, deslocar

paralelamente a reta que traduz a FO para a direita, at ao ltimo ponto possvel da
regio de solues admissveis. Graficamente teremos:
28
Aqui, a FO dever ser deslocada at coincidir com a ltima restrio (2x 1 2x2 = 80)
pois a posio que maximiza o lucro ainda dentro da regio de solues admissveis.
Substituindo na FO, teremos:
Z 10 x1 20 x2 10 40 10 0 400
10 80 10 4 400
Nota: este tipo de soluo denomina se soluo ptima mltipla e considera se um

caso especial.
4. REPRESENTAO GRFICA DA FUNO OBJETIVO
Para calcular a inclinao da funo objetivo, procura-se a sua forma reduzida, ou seja,
transformar a equao por formas a encontrar a expresso da ordenada que funo da
abcissa.
Max ZG = 3,50X1 + 0,25X2
Z - 3,50X1 - 0,25X2 = 0
28
X2 = 1 + 4 F.O. reduzida
2
28
Para Z =0 tem-se que X2= 1 X2=141
2
Atribuindo valores a X1, encontramos os valores de X2 que correspondem a pontos

dessa recta.
Para X1= 0 X1=0
Para X1= 1 X2=14
Ponto ptimo
ZG* (X1; X2) R1 R4:
12,06X1 + 0,52X2 = 9.600.000 12,06 X1 = 9.600.000 - 0,52(600.000)
X2= 600.000 X2= 600.000
X1 = 770.149,25 litros
X2 = 600.000 litros
Valor ptimo
ZG* = 3,50X1 + 0,25X2 =3,50(770.149,25) + 0,25(600.000) =

2.845.522,38 $
29
Deve-se lembrar que no se perdeu informao relativamente a quantidade de
gasolina comum ( em litros) a ser produzida, que pode ser agora recuperada.
16X1 - X3 = 0 X3= 16X1 X3=16 (770.149,25) X3= 12.322.388 litros
Utilizando a Funo Objetivo inicial, vamos obter o mesmo resultado:
Z* = 0,30X1 + 0,25X2 + 0,20X3
Z* = 0,30 (770.149,25) + 0,25 (600.000) + 0,20

(12.322.388)
Z* = 231.044,78 + 150.000 + 2.464.477,60
Z* = 2.845.522.38$
R: O Lucro total do programa de produo (gasolina: verde, azul e comum) de

2.845.522$, em que 231.044,78$ correspondem a gasolina verde, 150.000$
correspondem a gasolina azul e 2.464.477,60 correspondem a gasolina comum.
30
TEMA QUATRO
FORMA PADRO OU STADARD DE UM PROBLEMA DE PL
1. VARIVEIS DE FOLGA E VARIVEIS DE EXCESSO
Seja: a x
ij ij bi
Esta restrio pode ser convertida numa igualdade pela adio de uma nova varivel no
negativa ao primeiro membro da desigualdade. Tal varivel ser numericamente igual a
diferena entre o segundo membro e o primeiro e designa se por varivel de folga.
A varivel de folga, representa o desperdcio associado ao recurso modelado pela

restrio em causa.
Exemplo: x1 5 x2 4 x3 2 x4 30
Esta desigualdade transformada na equao x1 5x2 4 x3 2 x4 x5 30 pela adio

da varivel de folga x5 ao primeiro membro da desigualdade.
Consideremos agora a restrio linear na forma a x bi

ij ij
Esta desigualdade pode ser convertida numa equao, bastando subtrair uma nova
varivel no negativa ao primeiro membro da desigualdade. Esta tal varivel designada
por varivel por varivel de excesso, representa numericamente a diferena entre o
primeiro e o segundo membro da desigualdade.
Em relao ao recurso modelado pela restrio em questo, esta varivel representa o

consumo em excesso, alm da disponibilidade.
Exemplo: 2 x1 5x2 x3 50
Esta desigualdade transforma se na equao 2 x1 5x2 x3 x4 50
pela subtraco da varivel de excesso x4 ao primeiro membro.
2. SOLUO INICIAL ADMISSVEL
Depois de transformadas todas as restries lineares (com os segundos membros das

desigualdades positivos) em igualdades, pela introduo de variveis de folga e de
excesso onde necessrio, adiciona se uma nova varivel, designada varivel
artificial,aos primeiros membros das restries que no contm a varivel de folga.
Assim, todas as equaes que representam restries tero ou uma varivel de folga ou
uma varivel artificial. Uma soluo inicial no negativa para este novo conjunto de
restries, obtm se igualando em cada restrio, a respectiva varivel de folga ou
31
artificial, ao correspondente termo independente e igualando se a zero as restantes
variveis, incluindo as variveis de excesso.
Exemplo:
Seja o conjunto de restries:
x1 2 x2 3

4 x1 5 x2 6
7 x 8 x 15
1 2
Introduzindo as variveis de folga e de excesso, transformando o sistema de

desigualdades em equaes, teremos:
x1 2 x2 x3 3

4 x1 5 x2 x4 6
7 x 8 x 15
1 2
Adicionemos em seguida variveis artificiais nas restries que no possuem variveis

de folga, ou seja:
x1 2 x2 x3 3

4 x1 5 x2 x4 x5 6
7 x 8 x x6 15
1 2
Nota: Uma soluo inicial no negativa para este sistema de equaes, ser:
x3 3, x5 6, x6 15, x1 x2 x4 0
Nota: x1 0 x2 0, no uma soluo que verifica o conjunto de restries original.
3. CUSTOS E PENALIZAO
A introduo no sistema de restries de variveis de folga e de excesso, no altera a

natureza da funo objetivo nem das prprias restries. Porm, as variveis artificiais
alteram a natureza das restries. Tendo em conta que cada varivel artificial
adicionada a um dos membros das restries, o novo sistema de equaes que
representa as restries e o sistema original coincidiro se e s se as variveis artificiais
tiverem o valor nulo.
Para garantir que isto acontea na soluo ptima (em contraste com a soluo inicial),
as variveis artificiais so incorporadas na funo objetivo com coeficientes positivos
de valores muito elevados nos problemas de minimizao, designados por M, e
coeficientes negativos de valores muito elevados nos problemas de maximizao,
designados por M. estes coeficientes (M e M), representam uma penalidade muito
severa em que se incorre se a respectiva varivel artificial tomar valor igual a unidade.
32
4. FORMA PADRO
Um problema de PL, diz se que est na forma padro, se todas as restries estiverem
representadas pe equaes e se for conhecida uma soluo inicial admissvel. Na
notao matricial, a forma padro tem as seguintes caractersticas:
Otimizar : Z C T X
Sujeito a : AX B
com : X 0
Onde:
X o vector coluna de incgnitas, incluindo todas as variveis de folga, de excesso e

artificiais.
A a matriz dos coeficientes das equaes das restries
CT o vector linha dos custos correspondentes
B o vector coluna dos termos independentes das restries
Nota: doravante, os vectores sero normalmente representados por matrizes com uma
nica coluna e designados apenas por vectores , em vez de vector coluna. O expoente
T, indica a transposio.
Se X0 representar um vector que inclui apenas variveis de folga e variveis artificiais,

ento a soluo admissvel inicial ser dada por X0 = B.
Classificao das solues
Soluo nica ptima finita;

Infinitas solues ptimas finitas;
Soluo no infinito;
Conjunto factvel vazio;
Soluo nica ptima finita:
(faa o grfico como exerccio)

Se a soluo nica ptima finita, ela ocorre em ponto extremo

A regio factvel no precisa ser necessariamente limitada.
.Infinitas solues ptimas finita
33
Os dois vrtices 1 e 2 so solues ptimas, bem como qualquer outro ponto sobre o
segmento que se une.
Novamente a regio factvel precisa necessariamente limitada
Soluo no infinito:
No possvel alcanar o ponto de ptimo, o mesmo encontra-se no infinito.
Conjunto factvel vazio:
Ocorre quando o sistema de equaes que define a regio vivel inconsciente.
34
TEMA CINCO
MTODO SIMPLEX
Agora, estamos prontos a estudar o mtodo simplex, um procedimento para solucionar

problemas de programao linear. Desenvolvido por George Dantzig em 1947, provou
ser um mtodo extremamente eficiente que usado rotineiramente para solucionar
problemas imensos nos computadores de hoje. Exceto pelo seu emprego em problemas
muito pequenos, esse mtodo sempre executado num computador e pacotes de
softwares sofisticados se encontram largamente disponveis. Extenses e variaes do
mtodo simplex tambm so usadas para executar anlise de ps-otimalidade (inclusive
anlise de sensibilidade) no modelo. Este captulo descreve e executa as principais
caractersticas do mtodo simplex.
A primeira seo introduz sua natureza genrica, incluindo sua interpretao

geomtrica. As trs sees seguintes desenvolvem, ento, o procedimento para
solucionar qualquer modelo de programao linear que se encontra em nossa forma-
padro (maximizao, todas restries funcionais na forma e restries de no-
negatividade em todas as variveis) e possui apenas lados direitos no-negativos biem
suas restries funcionais. Certos detalhes sobre a resoluo de empates referem-se
Seo posterior que descreve como adaptar o mtodo simplex para outras formas de
modelo. A seguir, discutimos a anlise de ps-otimalidade (caso seu programa
comtemple) e descrevemos a implementao em computador do mtodo simplex.
Posteriormente, vamos introduzir uma alternativa para o mtodo simplex (o mtodo do
ponto interno) para solucionar problemas de programao linear de grande porte.
O mtodo simplex a tcnica utilizada para se determinar, numericamente, a soluo

ptima de um problema de programao linear, na forma padro, mas com as seguintes
caractersticas para o sistema linear de equaes:
i) Todas as variveis so no negativas:

ii) Todos os so no negativos;
iii) Todas as equaes iniciais do sistema so do tipo . Assim, na forma padro,
s encontra-se variveis de folga.
Se uma das caractersticas vista no ocorrer, ento, casosespeciais mtodos devem
ser considerado como mtodo simplex de duas fases.
1. FUNDAMENTOS TERICOS PARA O MTODO SIMPLEX
Determinao de solues bsicas num sistema de equaes lineares m n, m n

(sistema lineares)
Se ao resolver um sistema Ax = b, onde , fosse uma

matriz inversvel ento a soluo seria facilmente determinada.

Porem, se dado um sistema Ax = b, onde: { (3.1)

35
Tal que m n, ou seja, sistema retaguarda, como determinar solues de Ax = b?
O sistema acima sempre tem soluo?
Teorema 1:
Seja a matriz com m n. se a matriz A possui m colunas 1 , 2 , ,

linearmente independentes (LIs) ento para qualquer o sistema Ax = b, tem ao
menos uma soluo em .
Definio : Seja Ax = b, A , , ( )
Se A possui uma submatriz B onde det B 0 ento diz-se que B uma

submatriz base de A, o que equivalente a dizer:
Se A tem m colunas LI ento a matriz B formada por estas colunas uma base para
,, .
Definio:variveis bsicas e no bsicas:
Considerando-se o sistema Ax = b definido em (3.1) e uma submatriz base

de A, ento, as variveis associadas a submatriz sao denominadas variveis
bsicas.
Notao: variveis bsicas: .
Definida a submatriz base B restam em A (n m) colunas que chamara-se de submatriz

no base. As variveis associadas a esta submatriz N so denominadas variveis no
bsicas.
Notao: variveis no bsicas
Uma possvel soluo para Ax = b da definio acima
Seja o sistema Ax = be suponha que extrai-se de A uma submatriz B .
Pela definies anteriores pode-se fazer o seguintes parties no sistemaAx =

b:[; ], = ( ).

Logo pode se escrever:

Ax = b [: ] [ ] = + = .

Portanto o sistema Ax = b equivalente ao sistema:
+ =
Isto define que = 1 1 uma possvel soluo de Ax = b
36
Definio soluo bsica de Ax = b:Seja o sistema Ax = bdefinido em (3.1) ento uma
soluo de Ax = b ou seja A = b, denominada soluo bsica, se e somente se, em
(3.2), Xn = 0, ento:
= = 1
Definio soluo bsica factvel (vivel): combinada a soluo bsica factvel para
Ax = b se, e somente se:
= 1 xn = 0, para 0(ou seja 0).
Definio e teorema fundamentais: X sera um ponto extremo de S se possuir n-m

variaveis nulas.
Teorema 2:
O conjuto S de todas as solues factveis do modelo de programao linear, um

conjunto convexo.
demonstrao :
Seja 1 2 , [0,1].
Mostrara-se que:
i) 1 + (1 ) 2 ;
ii) 1 + (1 ) 0
Para se mostrar i) basta notar que,
Se 1 2 A1 = b;
Assim, A ( + (1 ) = + (1 ) = + (1 ) = .
Logo, ( + (1 ) ) = .
iii) Para se mostrar ii): 1 0 2 0 1 0 (1 ) 2 0;
Assim, ): 1 + (1 ) 2 0.
:. 1 + (1 ) 2 .
:. convexo
Teorema 3:
Toda soluo bsica do sistema Ax = b ponto extremo do conjunto de solues

factveis S.
Prova:
Seja uma soluo bsica associada a uma submatriz base .
37

= ( ) com = 0 = +
Ento, sem perda de generalidade, suponha que

1, , .
Por contradio, suponha que no seja ponto extremo ou vrtice de S,

ento 1 2 tal que:
= 1 + (1 ) 2 ; [0,1] 1 2 2 0.
Desde que = 0 = + 1, ,
1 1
= 0 = 0
{ 2 = + 1, , { 2 = + 1, , .
(1 ) = 0 = 0
1 2
Logo, 1 = ( 1 ) 2 = ( 2 )

1 1 =
1 2
como { 2 = {
=
2 =
1 2 = (1 2 ) = 0.
Mas 1 2 e ento 1 2 0 = 0, contradio, pois por hipose B uma

submatriz base e portanto no singular!
:. toda soluo bsica do sistema Ax = b um ponto extremo do conjunto de solues

factveis.
Teorema 4:
Seja 1 , 2 , , ponto extremo do conjunto S e seja S limitado.
Ento, , pode ser escrito como combinao convexa dos pontos extremo
1 , 2 , , de S, ou seja = =1 =1 = 1
Teorema 5:
Se um problema de programao linear admitir soluo ptima, ento pelo menos um

ponto extremo(vrtice) do conjunto de pontos viveis uma soluo ptima do
problema.
Mostrara-se este teorema admitindo-se que o conjunto S limitado.
Seja , , , pontos dos extremo do conjunto S limitado.
38
Ento, pelo teorema 3.3.3, , pode ser escrito como combinao convexa dos
pontos extremo 1 , 2 , , , ou seja, = =1 =1 = 1.
Logo = (=1 )1 1 + 2 2 + + .
Seja um ponto extremo tal que 2 ( = 1, ).
Mas = 1 1 + 2 2 +

1 + 2 + + = =
=1
Ento , .
:. um vrtice ptimo (soluo ptima)do problema.
Corolrio
se a funo objetivo possui um mximo (mnimo) finito, ento pelo menos uma
soluo ptima um ponto extremo do conjunto convexo S.
Teorema 6:
Toda combinao convexa de solues ptima de um P.P.L. tambm uma soluo

ptima do problema.
Corolrio se um P.P.L admitir mais uma soluo ptima ento admite infinitas
solues ptimas.
Corolrio: se uma funo objetivo assume o mximo (mnimo) em mais de um ponto

extremo, ento ela toma o mesmo valor para qualquer combinao convexa desses
pontos extremos.
2. OS PASSOS DO MTODO DE SIMPLEX
O mtodo simplex um procedimento matricial para resolver problema de programao

linear expressos na forma standard.
Otimizar: =
Sujeito a: =
Com: 0
Onde B 0 e se conhece uma soluo bsica admissvel 0.
39
M mtodo simplex comea com a soluo bsica admissvel 0 e vai sucessivamente,
localizando outras solues bsicas (sempre adimissiveis) correspondentes a melhores
valores de funo objetivo, ate que seja encontrada uma soluo ptima
Resumidamente, podemos dizer que o mtodo simplex parte de uma soluo bsica
admissvel no ptima ate encontrar uma soluo bsica admissvel ptima.
Nota: Para problemas de minimizao o mtodo utiliza o quadro que se apresenta em

baixo, no qual 0designa o vector custo associado as variveis em 0 .

0 0 A B
0

0
Nota: Para problemas de maximizao o mtodo utiliza um quadro semelhante. A nica

diferena encontra-se na ltima linha do quadro.

0 0 A B

0 0
Uma vez obtida esta ultima linha do quadro, a segunda linha e a segunda coluna do
quadro. Corresponde a 0 , respectivamente, torna-se suprfluas e podem ser
eliminadas
: vector dos custos correspondentes
X: o vector coluna de incgnita (incluindo variveis de folga, excesso e artificiais)
A: a matriz do coeficiente das operaes de restries.
B: o vector coluna dos vectores a direita das equaes representado as restries.
0: o vector coluna de variveis de folga e artificiais
0 : o vector coluna de custo associado com as variveis em 0.
Exemplo 1
Maximizar z = 80 x1 + 60x2
Sujeito a:
0,20 1 + 0,32 2 0,25

{
1 + 2 = 1
40
com:x1 e x2 no negativos
adicionando uma varivel de folga 3 uma varivel artificial 4 , respectivamente, as primeira e

segunda restries.
Maximizar z = 80 x1 + 60x2 + 0x3+ Mx4
Sujeito a:
0,20 x1 + 0,32 x2 + x3 = 0,25
x1 + x2 + x4 = 1
Com todas as variveis no negativas
Passando para a forma normal matricial teremos:

[80
= [1 2 3 4 ] 60 0 ]
0,2 0,32 1 0 0,25

=[ ] =[ ] 0 = [ 3 ]
1 1 0 1 1 4
0,2 0,32 1 0
0 = [80 60 0 ] [0, ] [ ]
1 1 0 1
[80 60 0 ] [0 + 0 + 0]
[80 60 0 ] [ 0 ]
[80 60 00]
0,25
0 = [0 , ] [ ] =
1
Quadro simplex
x1 x2 x3x4
80 60 0 M
3 0 0,2 0,32 1 0 0,25
4 0 1 1 0 1 1
80 -M60 -M0 0 -M
Exemplo: 2
Maximizar z = x1 + 9x2 + x3
Sujeito a:
1 + 22 + 33 9
31 + 22 + 23 15
Todas as variveis no negativas
Passando para forma matricial
41
[1
= [1 2 3 4 ] 9 1 0 0]
1 2 3 1 0 9
=[ ] =[ ] 0 = [ 4 ]
3 2 2 0 1 15 5
Quadro simplex
Quadro 1 (quadro inicial completo)
x1 x2 x3 x4 x5
1231 0 9
4 3220 1 15
5 -1-9 -10 0 0
0 0
3. CONJUNTO DE PASSOS QUE CONSTITUEM O MTODO SIMPLEX
Passo 1: Localize numero mais negativo na ltima linha do quadro simplex, excluda a
ultima coluna, designando a coluna em que este nmero aparece como coluna de
trabalho. Se existir mais do que um candidato a numero mais negativo, escolha um.
Passo 2: Para cada linha do quadro (excetuando a ultima) como coeficiente positivo na
coluna de trabalho, divida cada elemento da ltima coluna pelo correspondente
coeficiente da coluna de trabalho. Designe o coeficiente de trabalho correspondente ao
menor coeficiente por elemento pivot. Se mais de um coeficiente mnimo, escola um.
Se nenhum coeficiente da coluna de trabalho for positivo, o problema no ter soluo.
Passo 4: Use operaes elementares sobre as linhas para converter o elemento pivot em
1 e, em seguida, reduzir a zero todos os outro elementos da coluna de trabalho.
Passo 4: Na 1 coluna, substitua a varivel x existente na linha pivot, pela varivel x

correspondente a coluna de trabalho (indicada na 1 linha). A nova 1 coluna indica o
novo conjunto de variveis bsicas.
Passo 5: Repetir os passos 1 a 4 at ate que no existam ns negativos na ltima linha,

excluindo destas apreciaes a ultima coluna.
Passo 6: A soluo ptima obtida atribuindo-se a cada varivel da 1 coluna o valor da

linha correspondente, na ltima coluna.
Todas as outras variveis so nulas. O valor ptimo da funo objetivo associado, o

valor indicado na ltima coluna, para problema de maximizao, em problemas de
minimizao ser o seu simtrico.
4. MODIFICAO PARA PROBLEMAS COM VARIVEIS ARTIFICIAIS
42
Modificao 1: A ltima linha do quadro 3 1 decomposta em duas linhas, a primeira
linhas, a primeira das quais envolve os termos que no contem M, e a segunda os
coeficientes de M nos restantes termos
Exemplo: a linha
[9 8 0 9 9 0 0 14 2]
Seria transformada em duas linhas:
[9 0 9 0 0 0 14]
[8 0 9 0 1 0 2]
Modificao 2: o passo 1 do mtodo simplex aplicado a ultima linha criada em

modificao 1 (seguida pelos passos 2, 3 e 4) ate que esta linha no contenha elementos
negativos em seguida o passo 1 aplicado aos elementos da penltima linha
posicionados sobre os zeros da ultima linha.
Modificao 3: sempre que uma varivel artificial deixa de ser bsica, isto , deixa de
figurar na 1 coluna do quadro, em resultado do passo 4, a correspondente
coluna(identificada na linha superior do quadro por essa varivel ) deve ser removida.
Modificao 4: a ultima linha do quadro pode ser eliminada quando for constituda
unicamente por zeros.
Modificao 5: se na soluo bsica final estiverem presentes variveis artificiais no

nulas, ento o problema original no admitira soluo. (pelo contrario, na soluo bsica
afinal podem aparecer variveis artificiais na base com valor zero, indicando que uma
ou mais das equaes que representam as restries so redundantes.
Praticando no exerccio em anlise, teremos: Primeiro passo:
Coluna de trabalho
x1 x2 x3 x4 x5
4 1 2 310 9
5 32 201 15
-1 -9 -1 0 0 0
O nmero mais negativo
Coluna de trabalho
Segundo passo:
43
x1 x2 x3 x4 x5 9
= 4,5
2
4 1 2 310 9
5 32 2 0 1 15 15
= 7,5
-1 -9 10 0 0 2
Terceiro passo (a) Neste passo multiplica-se todos os

elementos da linha do piv pelo seu
x1 x2 x3 4 x5 inverso. Recorde-se que o inverso de 2

1 31 9
4 2
1 22
0
2
5 3 2 2 0 1 15
-1 -9 -1 0 0 0
Terceiro passo (b)

Neste passo, reduziu-se a zero o n - 9,
x1 x2 x3 x4 x5 multiplicou-se por 9 a linha do piv,
seguidamente fez-se a soma algbrica
1 31 9 com a linha que contem o elemento 9.
4 2
1 22
0
2
5 3 2 2 0 1 15
7 259 81
2
0 22
0
2
Terceiro passo (b) Neste passo, reduziu-se o elemento 2e

multiplicou-se por -2 a linha que contem
x1 x2 x3 x4 x5 o piv, fazendo-se posteriormente a
soma algbrica com a linha que contem o
elemento 2.
1 31 9
4 2
1 22
0
2
5 2 0 -1 -1 1 6
7 259 81
2
0 22
0
2
Quarto passo
x1 x2 x3 x4 x5
1 31 9
4 2
1 22
0
2
5 2 0 -1 -1 1 6
7 259 81
2
0 22
0
2
Quinto passo
No necessrio aplicar pois no existe nmeros negativos na ultima linha.

9 81
Sexto passo2 = 2 , 5 = 6, 1 = 3 = 4 = 0 = 2
44
Exemplo n 3
Um fabricante de fantasia tem em stock 32m de brim, 22m de seda e 30m de cetim que
pretende fabricar dois tipos de fantasia. O primeiro modelo (M1) consome 4m de brim,
2m de seda e 2m de cetim. O segundo modelo (M2) consome 2m de brim, 4m de seda e
6m de cetim. Se M1 vendido a 6.000 u.m e M2 a 10.000 u.m quantas peas de cada
tipo o fabricante deve fazer para obter a receita mxima? Elabore o modelo.
- Formulao do problema
Dados
Peas Modelo 1 Modelo 2 Stock

Brim 4m 2m 32m
Seda 2m 4m 22m
Cetim 2m 6m 30m
Venda 6.000 u.m 10.000 u.m
Objetivo
Determinar as quantidades de cada pea ser produzido no modelo 1 e no modelo 2 de

modo a obter a receita mxima.
- Variveis de deciso
1 Quantidade de cada pea a ser produzido no modelo 1
2 Quantidade de cada pea a ser produzido no modelo 2
- Funo objetivo
Max = 6.0001 + 10.0002
- Restries
41 + 22 32
. {21 + 42 22
21 + 62 30
, 0
- Construo do modelo
Max = 6.0001 + 10.0002
- Restries
41 + 22 32
. {21 + 42 22
21 + 62 30
, 0
45
- Flexibilizao das restries
Max = 6.0001 + 10.0002
- Restries
41 + 22 = 32
. {21 + 42 = 22
21 + 62 = 30
- Reta associada a restrio + =

32
p/1 = 0 22 = 32 2 = = 16
2
32
p/2 = 0 41 = 32 1 = 2
=8
4
A inclinao da reta obtida de 2 2

22
p/1 = 0 42 = 22 2 = = 5,5
4
22
p/2 = 0 21 = 22 1 = = 11
2
4 1
A inclinao da reta obtida de 2 = 2

30
p/1 = 0 62 = 30 2 = =5
6
30
p/2 = 0 21 = 30 1 = = 15
2
4 4
A inclinao da reta obtida de 2 = 2
Para funo objetivo
Max = 6.0001 + 10.0002
p/Z = 0
0 = 6.0001 + 10.0002
6.0001 + 10.0002 = 0
10.0002 6.0001
46
6000
2 =
1000 1
3
2 = 1
5
p/1 = 0 2 = 0
3
p/1 = 1 2 = 5 = 0,6
6000 3
O declive da reta da FO 10000 = 5
Faa o grfico como exerccio.
1 = (0; 0)
2 = (8; 0)
3 = (0; 5)
4 21 + 42 = 22 |. (1)
21 + 62 = 30
21 42 = 22
4 {
21 + 62 = 30
22 = 8
8
22 = =4
2
21 + 42 = 22
21 + 4.4 = 22
21 + 16 = 22
21 = 22 16
6
21 = 6 1 = =3
2
4 = (3; 4)
21 + 42 = 22 |. (2)
5 {
41 + 22 = 32
47
41 82 = 44
5 {
41 + 22 = 32
62 = 12
12
2 = =2
6
21 + 42 = 22
21 + 4.2 = 22
21 + 8 = 22
21 = 22 8
14
21 = 14 1 = =7
2
4 = (7; 2)
Substituindo na F.O, teremos:
= 6.0001 + 10.0002
/1 = (0; 0)
= 6.000 + 10.000
=0
/2 = (8; 0)
= 6.000.8 + 10.000.0
= 48000
/3 = (0; 5)
= 6.000.0 + 10.000.5
= 50000
/4 = (3; 4)
= 6.000.3 + 10.000.4
= 18000 + 40000
= 58000
48
/5 = (7; 2) .
= 6.000.7 + 10.000.2
= 42000 + 20000
= 62000
- Calculo pelo simplex
Max = 6.0001 + 10.0002
41 + 22 32
. {21 + 42 22
21 + 62 30
, 0
Max = 6.0001 + 10.0002
41 + 22 + 2 + 04 + 05 = 32
. {21 + 42 + 02 + 4 + 05 = 22
21 + 62 + 02 + 04 + 5 = 30
Max = 6.0001 + 10.0002 + 03 + 04 + 05
41 + 22 + 2 + 04 + 05 = 32
. {21 + 42 + 02 + 4 + 05 = 22
21 + 62 + 02 + 04 + 5 = 30
. 1 = 32; 4 = 22; 5 = 30
= = 0
Quadro simplex

0 0 A
+ 0 .

0 .
X=[ X1 X2 X3 X4 X5 X6 X7 X8 ]t
C=[6000 10000 0 0 0 0 ]T
4 2 1 0 0
= [2 4 0 1 0 ]
2 6 0 0 1
49
32 3 0
= [22] [0 = 4 ] [0 = 0]
30 5 0
4 2 1 0 0
+ 0 . = - [6000 10000 0 0 0 0 ]+ [0 0 0 ].[2 4 0 1 0]
2 6 0 0 1
+ 0 . = - [6000 10000 0 0 0 0 ]
= [6000 10000 0 0 0 0 ]
32
0 . = - [ 0 0 0 ].[22] = 0
30
1 2 3 4 5 6000 10000
0 0 0
X3 4 4 10 0 32
X4 2 4 0 00 22
X5 2 0 0 1 30
-6000 -100000 0 0 0
32 22 30
= 16; = 5,5; =5
2 4 6
1 2 3 4 5
X3 4 2 1 0 0 32
X4 2 4 0 1 0 22
X5 2 0 0 1 1
30 4
6
-6000 -10000 0 0 0 0
1 2 3 4 5
X3 4 2 1 0 0 32 2 24
X4 2 4 0 1 0 22
X5 2 1
1 0 0 5
3 6
-6000 -10000 0 0 0 0
1 2 3 4 5
X3 10 1 22
0 1 0
3 3
X4
2 4 0 1 0
X5 1 1 22 3 44
1 0 0 5
3 6
-6000 -10000 0 0 0 0
50
1 2 3 4 5
X3 10 1 22
0 1 0
3 3
X4 2 2
4 0 1 22
3 3
X5
1 1
1 0 0 5
3 6
8000 5000 0 5 + 100004
0 0 0
3 3
1 2 3 4 5
X3 10 1 22
0 1 0
3 3
X4 2 2
4 0 1 2
3 3
1 1
X5 1 0 0 5
3 6
8000 5000 50.000
0 0 0
3 3
1 2 3 4 5
X3 10 1 22
0 1 0
3 3
X4 2 2
4 0 1 3
3 3 2 3
2
1 1
X2 1 0 0
3 6 5
8000 5000 50.000
0 0 0
3 3
22 3 66 2 3 5
10 22 = = 6,6; 2 2. = 3; 1 5.3 = 15
10 10 2
3 3 3
1 2 3 4 5
X3 10 1 10
0 1 0 22 2 3
3 3 3
X4 3
1 0 0 -1
2
3
1 1
X2 1 0 0
3 6 5
8000 5000 50.000
0 0 0
3 3
1 2 3 4 5
X3 0 0 1- 53 12
X4 3
1 0 0 -1
2
3
1 1
X2 1 0 0 1
3 6 5 4 3
3
51
8000 5000 50.000
0 0 0
3 3
1 2 3 4 5
X3 0 0 1 -5 3 12
X4 3
1 0 0 -1
2
3
1 1
X2 0 1 0 4
2 2
8000 5000 8000

0 0 0 50.000 5 + 3
3 3 3
1 2 3 4 5
X3 0 0 1 -5 3 12
X4 3
1 0 0 -1
2
3
1 1
X2 0 1 0 4
2 2
0 0 0 0 4000 - 1000 58.000
1 2 3 4 5
X3 0 0 1 -5 3 12
X4 3
1 0 0 -1
2
3
1 1
X2 0 1 0 4
2 2
0 0 0 0 4000 - 1000 58.000
1 2 3 4 5
1
X3 0 0 1 -5 12 2
3
X4 3
1 0 0 -1 3
2
1 1 4
X2 0 1 0
2 2
0 0 0 0 4000 - 1000 58.000

12 4
= 4: 1 4.2 = 8
3
2
1 2 3 4 5
X3 1 5 4
0 0 - 1
3 3
X4 3 3 3 + 2
1 0 0 -1
2
4
1 1
X2 0 1 0
2 2
0 0 0 0 4000 - 1000 58.000
52
1 2 3 4 5
X3 1 5 4
0 0 - 1
3 3
X4 3 1 7
1 0 - 0
2 6
1
1 1
4 4 2
2
X2 0 1 0
2 2
0 0 0 0 4000 - 1000 58.000
1 2 3 4 5
X3 1 5 4
0 0 - 1
3 3
X1 3 1 7
1 0 - 0
2 6
X2 1 1 1
0 1 0 4 4 2
2 2 2
0 0 0 0 4000 - 1000 58.000 5 + 10002
1 2 3 4 5
X1 1 1 7
1 0 - 0
3 6
1 1 2
X2 0 1 0
3 3
1000 7000 62.000

0 0 0
3 3
1 2 3 4 5
X5 1 1 4
0 0 - 1
3 3
X1 1 1 7
1 0 - 0
3 6
X2
1 1
0 1 0 2
3 3
1000 7000 62.000

0 0 0
3 3
Concluso:
1 = 7
2 = 2;3 = 0;4 = 0;5 = 4
= 62.000
Para obter a receita mxima o fabricante deve fabricar para o MODELO 1, 7m de cada
pea e para o modelo 2, 2m de cada pea.
53
TEMA SEIS
OUTRA FORMA DO MTODO SIMPLEX
Exemplo de um Problema
O modelo de programao linear pode ser resolvido por um mtodo de soluo de

sistema de equaes lineares. O processo que ser apresentado no exemplo a seguir,
retirado de ANDRADE (2000), bastante intuitivo e tem por finalidade apresentar a
metodologia utilizada pelo mtodo Simplex.
a) Formulao do problema
"Uma marcenaria deseja estabelecer uma programao diria de produo.

Actualmente, a oficina faz apenas dois produtos: mesa e armrio, ambos de um s
modelo. Para efeito de simplificao, vamos considerar que a marcenaria tem limitaes
em somente dois recursos: madeira e mo-de-obra, cujas disponibilidades dirias so
mostradas na tabela a seguir.
Recurso Disponibilidade
Madeira 12m2
Mo-de-obra 8 H.h
O processo de produo tal que, para fazer uma mesa a fbrica gasta 2 m2 de madeira e
2 H.h de mo-de-obra. Para fazer um armrio, a fbrica gasta 3 m2 de madeira e 1 H.h
de mo-de-obra.
Alm disso, o fabricante sabe que cada mesa d uma margem de lucro de $4.00 e cada
armrio de $1.00. O problema encontrar o programa de produo que maximiza a
margem de contribuio total para o lucro."
b) Montagem do modelo
As variveis de deciso envolvidas no problema so:
x1: quantidade a produzir de mesas
x2: quantidade a produzir de armrios
A funo objetivo : maximizar o lucro: z = 4 x1 + x2
54
Para as restries, a relao lgica existente :
Utilizao de recurso Disponibilidade
Assim temos
Madeira: 2 x1 + 3 x2 12
Mo-de-obra: 2 x1 + x2 8
x1, x2 0: Restries de no negatividade
O modelo completo :
Maximizar: z = 4 x1 + x2
Sujeito a: 2 x1 + 3 x2 12
2 x1 + x2 8
x1, x2 0
1. CUSTOS E PENALIDADES. SOLUO INICIAL ADMISSVEL
Soluo do modelo
J conhecemos o mtodo de soluo grfica para problemas de programao linear de

duas variveis. Ser agora apresentada a soluo por sistemas de equaes lineares. De
forma a transformar as restries do problema de programao linear de inequaes em
equaes, so introduzidas as variveis de folga. Neste problema, as restries tm a
seguinte estrutura lgica:
Utilizao de recurso Disponibilidade.
Ao se introduzir o conceito de folga de recurso, a inequao pode ser escrita como:
Utilizao de recurso + Folga = Disponibilidade.
Isso significa que
Utilizao de recurso <Disponibilidade implica Folga> 0;
Utilizao de recurso = Disponibilidade implica Folga = 0.
Deste modo, a folga de cada recurso pode ser representada por uma varivel de forma
exatamente igual produo de cada produto. Desse modo, vamos chamar:
f1: folga de madeira;
f2: folga de mo-de-obra.
Introduzindo as variveis de folga, o problema a ser resolvido passa a ser:
55
Maximizar: z = 4 x1 + x2
Sujeito a:
2 x1 + 3 x2 + f1 = 12
2 x1 + x2 + f2 = 8
x1, x2, f1, f2 0
O problema se transformou em encontrar a soluo do sistema de equaes lineares que

maximiza o lucro. Como neste caso o nmero de variveis (m = 4) superior ao nmero
de equaes (n = 2), o sistema indeterminado, apresentando infinitas solues.
No entanto, todas as variveis devem ser maiores ou iguais a zero. Atribuir zero a uma
varivel significa no produzir um dos produtos (se a varivel for x1 ou x2) ou utilizar
toda a disponibilidade de recursos (se a varivel for f1 ou f2). Desta forma, podemos
encontrar solues para o sistema de equaes igualando a zero duas variveis (n - m =
2) e encontrando o valor para as duas variveis restantes. Teremos que resolver ento
4!
C 42 6
2! 2!
sistemas de equaes lineares.
Uma vez resolvido um sistema, sero aplicados na funo objetivo os valores

encontrados. As variveis zeradas so chamadas variveis no-bsicas. Asvariveis
cujos valores so calculados pelo sistema de equaes so chamadas variveis bsicas.
Variveis no-bsicas: x1 = 0 e x2 = 0
Variveis bsicas f1 = 12 e f2 = 8
Dando o lucro z = 0
Variveis no-bsicas: x1 = 0 e f1 = 0
Teremos as variveis bsicas x2 = 4 e f2 = 4
Dando o lucro z = 4
3) Variveis no bsicas: x1 = 0 e f2 = 0
Temos as variveis bsicas x2 = 8 e f1 = -12
Como f1< 0, a soluo obtida INVIVEL.
Temos as variveis bsicas x1 = 6 e f2 = -4
56
Como f2< 0, a soluo obtida INVIVEL.
Temos as variveis bsicas x1 = 4 e f1 = 4 dando o lucro z = 16
6) Variveis no bsicas: f1 = 0 e f2 = 0
Temos as variveis bsicas x1 = 3 e x2 = 2 dando o lucro z = 14
Comparando todas as solues encontradas por este processo, achamos a soluo tima,
ou seja, x1 = 4, x2 = 0, f1 = 4, f2 = 0, dando um lucro z = 16.
2. DESENVOLVIMENTO DO MTODO SIMPLEX
Da forma como foi resolvido o problema anteriormente, necessrio que muitos

sistemas de equaes sejam resolvidos e suas solues comparadas. Para problemas
reais de programao linear, esta soluo se torna invivel. Desta forma, para termos
condies de resolver um problema de programao linear, precisamos de uma
sistemtica que nos diga:
Qual o sistema de equaes que deve ser resolvido;
Que o prximo sistema a ser resolvido fornecer uma soluo melhor que os anteriores;
Como identificar uma soluo ptima, uma vez que a tenhamos encontrado.
Essa sistemtica o mtodo Simplex, e as regras que o mtodo utiliza para atender s
trs questes acima so, basicamente, os critrios que desenvolvemos nos itens
anteriores. Vamos voltar ao nosso pequeno problema, j com as variveis de folga:
Maximizarz = 4 x1 + x2
Sujeito a:
2 x1 + 3 x2 + f1 = 12
2 x1 + x2 + f2 = 8
x1, x2, f1, f2= 0
Vamos montar um quadro para ordenarmos as operaes, colocando nele apenas os

coeficientes das variveis. No caso da funo objetivo, vamos realizar a seguinte
transformao:
de: z = 4 x1 + x2
Quadro
Base x1 x2 f1 f2 b
57
f1 2 3 1 0 17
f2 2 1 0 1 8
Z -4 -1 0 0 0
A ltima coluna corresponde aos termos independentes das equaes, e a ltima linha
contm os coeficientes das variveis na funo objetivo. Nessa ltima linha teremos
sempre a contribuio que cada varivel d para o lucro total z, por unidade, em cada
iterao do processo de soluo. Essa ltima linha ser chamada de funo objetivo
transformada, ou funo z-transformada.
a) Soluo inicial
A soluo inicial para o problema ser sempre obtida fazendo as variveis originais
do modelo (no caso x1 e x2) iguais a zero e achando o valor das demais.
Assim, fazendo x1 = x2 = 0 (variveis no bsicas), obtemos do Quadro 1:
f1 = 12
f2 = 8 (variveis bsicas)
z=0
As variveis bsicas esto indicadas no Quadro 1, para facilitar o acompanhamento das

operaes.
b) Segunda soluo
Como a primeira soluo claramente no a melhor, vamos procurar outra que d um

valor maior para z. O problema descobrir:
Das duas variveis no bsicas (nulas) na primeira soluo, qual deve se tornar
positiva?
Das duas variveis bsicas (positivas) na primeira soluo, qual dever ser
anulada?
Qual varivel dever se tornar positiva?
Vamos observar que na ltima linha do Quadro 1 temos os coeficientes da funo

objetivo que mostram a contribuio para o lucro z de cada unidade produzida de mesa
(x1) e de armrio (x2).
Assim, aplicando o critrio de que devemos produzir primeiro o produto que mais
contribui para o lucro, vamos comear a produo pela varivel x1, j que sua
contribuio unitria para o lucro (4) maior que a contribuio de x2, igual a 1.
58
Logo, a varivel que dever se tornar positiva x1.
Qual varivel dever ser anulada?
Nota-se pelo Quadro 1 que, na primeira equao, o maior valor possvel de x1 6,

quando f1 for igual a zero (note que x2 vale zero por ser varivel no bsica). Qualquer
valor maior de x1 far com que o valor de f1 fique negativo, o que no permitido. Na
segunda equao, o maior valor permitido para x1 4, quando f2 for igual a zero.
Analisando simultaneamente as duas equaes, percebe-se que o maior valor possvel
para x1 4, j que atende s duas equaes.
Observe que esta anlise pode ser feita diretamente do Quadro 1, atravs da diviso dos
elementos da coluna b pelos correspondentes elementos da coluna x1. O menor
quociente indica, pela linha em que ocorreu, qual a varivel bsica que deve ser
anulada. Assim, como o menor quociente dado pela diviso 8 / 2 = 4, a varivel bsica
a ser anulada f2, que a varivel positiva na atual soluo, cujo valor foi encontrado
na segunda linha.
Assim temos:
x2 = 0
f2 = 0
E o sistema restante deve ser resolvido para acharmos o valor de x1 e f1. A soluo desse
sistema ser feita usando o Quadro 1 com as equaes completas e usando as operaes
vlidas com as linhas da matriz, como apresentado no Captulo 2.
1 Operao: Dividir a segunda linha por 2 (L2 L2 / 2)
Quadro 1A
Bas x1 x2 f1 b
e f2
f1 2 3 1 0 12
x1 1 1/2 0 1/2 4
Z -4 -1 0 0 0
2 operao: Multiplicar a segunda linha do Quadro 1A por (-2) e somar com a primeira
linha do mesmo quadro, colocando o resultado na primeira linha (L1 L1 - 2 L2)
Quadro 1B
Base x1 x2 f1 f2 b
f1 0 2 1 -1 4
59
x1 1 1/2 0 1/2 4
Z -4 -1 0 0 0
3 Operao: Multiplicar a segunda linha do Quadro 1B por (4) e somar com a terceira
linha do mesmo quadro, colocando o resultado na terceira linha (L3 L3 + 4 L2).
Quadro 2
Base x1 x2 f1 f2 b
f1 0 2 1 -1 4
x1 1 1/2 0 1/2 4
Z 0 1 0 2 16
Como a ltima linha (funo z transformada) mostra as contribuies lquidas para o

lucro, caso as variveis x1 e f2 venha a ter seus valores aumentados de 0 para 1 e como
estas contribuies tm seus valores trocados com relao ao quadro original,
conclumos que a soluo encontrada ptima.
x1 = 4, x1 =4, f1 = 4,f2 = 0 e z = 16,
3. PROCEDIMENTO DO MTODO SIMPLEX(Problemas de Maximizao)
Passo 1: Introduzir as variveis de folga; uma para cada desigualdade.
Passo 2: Montar um quadro para os clculos, colocando os coeficientes de todas as

variveis com os respectivos sinais e, na ltima linha, incluir os coeficientes da funo
objetivo transformada.
Passo 3: Estabelecer uma soluo bsica inicial, usualmente atribuindo valor zero s
variveis originais e achando valores positivos para as variveis de folga.
Passo 4: Como prxima varivel a entrar na base, escolher a varivel no bsica que
oferece, na ltima linha, a maior contribuio para o aumento da funo objetivo (ou
seja, tem o maior valor negativo). Se todas as variveis que esto fora da base tiverem
coeficientes nulos ou positivos nesta linha, a soluo atual ptima. Se alguma dessas
variveis tiver coeficiente nulo, isto significa que ela pode ser introduzida na base sem
60
aumentar o valor da funo objetivo. Isso quer dizer que temos uma soluo ptima,
com o mesmo valor da funo objetivo.
Passo 5: Para escolher a varivel que deve deixar a base, deve-se realizar o seguinte
procedimento:
a) Dividir os elementos da ltima coluna pelos correspondentes elementos positivos da

coluna da varivel que vai entrar na base. Caso no haja elemento algum positivo nesta
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 vlidas com as linhas da matriz, transformar o quadro de

clculos de forma a encontrar a nova soluo bsica. A coluna da nova varivel bsica
dever se tornar um vector identidade, onde o elemento 1 aparece na linha
correspondente varivel que est sendo anulada.
Passo 7: Retornar ao passo 4 para iniciar outra iterao.
Outro exemplo
Vamos resolver pelo mtodo simplex o problema das raes proposto no capitulo 1 cujo
o modelo foi apresentado no capitulo 3.
Maximizar Z= 11 x1 +12 x2
Sujeito a:
x1 + 4 x2 10000
5x1 +2x2 30000
x1, x2 0
a) Incluso das variveis de folga

Com a incluso das variveis de folga, o problema torna-se:
Maximizar Z =11 x1 +12 x2
Sujeito a:
x1 + 4 x2 + f1 10000
5 x1 + 2x2 + f2 30000
x1, x2, f1, f2 0

a) Soluo inicial
Base x1 x2 f1 f2 b
61
F1 1 4 1 0 10000
f2 5 2 0 1 30000
z -11 -12 0 0 0
b) Primeira interao
Varivel a entrar na base: 2 (coluna com maior valor negativo na ultima
linha)
Varivel a sair da base: 1 (o quociente 10000/4 menor quociente entre a
ultima coluna e a coluna da varivel 2 que vai entrar na base)
1 1 /4
2 2 /21
3 3 + 121
Base x1 x2 f1 f2 b
F1 1/4 1 1/4 0 2500

f2 4,5 0 -1/2 1 25000
Z -8 0 3 0 30000
c) Segunda iterao
Varivel a entrar na base: 1 (coluna com maior valor negativo na ltima linha)
Varivel a sair da base: 2 (o quociente 25000/4,5 o menor quociente entre a

ltima coluna e a coluna da varivel1 , que vai entrar na base)
Base x1 x2 f1 f2 b
F1 0 1 0,27 -0,0556 1111,11

f2 1 0 -0,11111 0,2222 5555,56
Z 0 0 2,1111 1,7778 74444,44
Soluo ptima encontrada
Como todos os valores da ltima linha (funo z-transformada) so positivos ou nulos,

conclumos que a soluo encontrada ptima, ou seja:
1 = 5555,552 = 1111,11 = 74444,44
4. ASPECTO MATEMTICOS SINGULARES
62
Na modelagem de um problema de programao linear, algumas situaes especficas
podem ocorrer, o que pode levar a casos em uma forma matemtica diferente da
apresentada ate o momento. Entretanto, alguns artifcios matemticos ajudam a reduzir
o modelo obtido a forma padro estudada.
Este artifcios so mostrado a seguir.
a. Minimizao de uma funo
A minimizao de uma funo z(x) matematicamente anlogo maximizao da

negativa desta funo (-z(x)).
Exemplo: minimizar = 1 1 + 2 2 + +
equivalente a
Maximizar = 1 1 2 2
Essa forma de forma de resolver os problemas de maximizao utilizando o mesmo

algoritmo.
Caso que queira resolver directamente, devemos alterar o critrio de entrada das
variveis na base. A varivel que entra na base passa a ser aquela que tem o maior valor
positivo na linha z-transformada.
Caso todas tenham coeficientes negativo ou nulo, a soluo obtida ptima.
Restries de limites inferior ()
Uma desigualdade em uma direo ( ou ) pode ser mudada por uma desigualdade na
direo oposta, pela multiplicao de ambos os lados da desigualdade por (-1)
Exemplo: 1 1 + 2 2
equivalente a
1 1 2 2
Restries de igualdade
Uma equao pode ser substituda por duas desigualdades de direo oposta.
Exemplo: 1 1 + 2 =
Equivalente a duas desigualdades simultneas:
1 1 + 2
1 1 + 2
Varivel irrestrita em sinal
Uma varivel irrestrita em sinal (ou seja, pode ser positiva, nula ou negativa) pode ser
substituda pela diferena de duas variveis no negativas.
63
Exemplo: se a varivel1 for irrestrita em sinal pode ser substituda pela diferena
(1 1 )
Com
1 0 1 0
5. MTODO SIMPLEX EM DUAS FASES
O Mtodo Simplex utiliza uma soluo inicial vivel para comear o processo iterativo,
trabalhando sempre dentro da regio vivel. Nos casos apresentados at o presente
momento, a soluo xi = 0, para i = 1, ..., n era uma soluo vivel, j que todas as
restries apresentadas foram do tipo (). Quando as restries so do tipo (=) ou (),
esta soluo no existe.
Seja o exemplo abaixo:
Minimizar z = 10 x1 + 4 x2 + 5 x3
sujeito a:
8 x1 + 3 x2 + 4 x3 10
4 x1 + 3 x2 8
x1, x2, x3 0
Como temos uma restrio do tipo (), a varivel de folga deve ter coeficiente negativo,
tendo o significado de uma varivel de excesso. O problema transformado :
Minimizar z = 10 x1 + 4 x2 + 5 x3
sujeito a:
8 x1 + 3 x2 + 4 x3 f1 = 10
4 x1 + 3 x2 + f2 = 8
X1, x2, x3, f1, f2 0
Onde f1 uma varivel de excesso e f2 uma varivel de folga.
Note que, pelo processo de soluo anterior, a varivel de excesso (f1 passaria a ter
valor negativo na soluo inicial (-10), o que no permitido. Assim, a soluo x1 = x2
= x3 = 0 invivel. necessrio ento encontrar uma soluo vivel para que o mtodo
Simplex possa ser iniciado.
A forma de se resolver isto inventando novas variveis. Estas variveis so chamadas

de variveis artificiais, e representadas por zi. Ser colocada uma varivel artificial em
cada restrio do modelo, ou seja:
64
8 x1 + 3 x2 + 4 x3 f1 + z1 = 10
4 x1 + 3 x2 + f2 + z2 = 8
X1, x2, x3, f1, f2, z1, z2 0
Como pode-se perceber, o problema com as restries acima no o mesmo problema,

a no ser que todas as variveis sejam iguais a zero.
Desta forma, podemos resolver o problema em duas fases: na primeira fase,

substitumos a funo objetivo original por uma funo objetivo auxiliar:
= - z1 z2 = 12 x1 + 6 x2 + 4 x3 f1 + f2 18
Nesse momento, aplicamos o mtodo Simplex de forma a maximizar a funo objetivo

auxiliar, com as restries contendo as variveis auxiliares. A funo objetivo auxiliar
ser maximizada quando todas as variveis forem iguais a zero, j que no podem
conter valores negativos.
A primeira fase do problema, que consiste na maximizao da funo objetivo auxiliar,

fornecer uma soluo vivel para o problema original. A segunda fase consiste em
resolver o problema original tomando como soluo inicial os valores obtidos pela
primeira fase para as variveis xie fi.
d) Soluo inicial
Para resolver o problema, monta-se o quadro de forma semelhante sistemtica,

colocando-se a funo objetivo artificial na ltima linha. O quadro do exemplo fica:
Base x1 x2 x3 f1 f2 z1 z2 b
z1 8 3 4 -1 0 1 0 10
z2 4 3 0 0 1 0 1 8
z' = -z 10 4 5 0 0 0 0 0
Zaux -12 -6 -4 1 -1 0 0 -18
Obs. Como a funo objetivo de minimizao, ele foi transformado em um problema

de maximizao atravs da multiplicao de todos os coeficientes por (-1).
A seguir, aplica-se o mtodo Simplex normalmente, usando como funo objetivo a

ltima linha.
Quando a soluo ptima for atingida, dois casos podem ocorrer:
65
zaux = 0: neste caso foi obtida uma soluo bsica do problema original e o processo de
soluo deve continuar, desprezando-se as variveis artificiais e os elementos da ltima
linha. o incio da segunda fase do processo.
zaux 0: neste caso o problema original no tem soluo vivel, o que significa que as
restries devem ser inconsistentes.
Fase 1 - Primeira iterao
Varivel a entrar na base: x1 (coluna com maior valor negativo na ltima linha)
Varivel a sair da base: z1 (o quociente 10/8 o menor quociente entre a ltima coluna e
a coluna da varivel x1, que vai entrar na base)
L1 L1 / 8
L2 L2 - 4 L1
L3 L3 - 10 L1
L4 L4 + 12 L1
Base X1x2x3f1f2z1z2 b
X1 1 3/8 -1/8 0 1/8 0 5/4

Z2 0 3/2 -2 1/2 1 -1/2 1 3
z' = -z 0 1/4 0 5/4 0 -5/4 0 -12,5
zaux 0 -3/2 2 -1/2 -1 3/2 0 -3
Fase 1 - Segunda iterao
Varivel a entrar na base: x2 (coluna com maior valor negativo na ltima linha)
Varivel a sair da base: z2 (o quociente 3/(3/2) o menor quociente entre a ltima

coluna e a coluna da varivel x2, que vai entrar na base)
L1 L1 - 3 L2 / 8
L3 L3 - L2 / 4
L4 L4 + 3 L2 / 2
Base x1x2x3f1f2z1z2 b
X1 1 0 1 -1/4 -1/4 1/4 -1/4

X2 0 1 -4/3 1/3 2/3 -1/3 2/3 2
66
z' = -z 0 0 1/3 7/6 -1/6 -7/6 1/6 -13
zaux 0 0 0 0 0 1 1 0
Como na ltima linha o valor da funo objetivo artificial zero, a primeira fase
terminou e a soluo encontrada a soluo bsica inicial para a segunda fase.
Removendo a ltima linha e as colunas referentes s variveis artificiais, o quadro se
torna:
Base x1x2x3f1f2 b
X1 1 0 1 -1/4 -1/4
X2 0 1 -4/3 1/3 2/3 2
z' = -z 0 0 1/3 7/6 -1/6 -13
Fase 2 - Primeira iterao
Varivel a entrar na base: f2 (coluna com maior valor negativo na ltima linha)
Varivel a sair da base: x2 (o quociente 2/(2/3) o menor quociente entre a ltima

coluna e a coluna da varivel x2, que vai entrar na base)
L2 3 L2 / 2
L1 L1 + L2 / 4
L3 L3 + L2 / 6
Base x1x2x3f1f2 b
X1 1 3/8 -1/8 0 5/4
X2 0 3/2 -2 1/2 1 3
z' = -z 0 0 5/4 0 -12,5
Soluo ptima encontrada
Como todos os valores da ltima linha (funo z-transformada) so positivos ou nulos,

conclumos que a soluo encontrada ptima, ou seja:
X1 = 1,25
X2 = 0
z = -z' = 12,5
67
TEMA SETE
PROBLEMAS MODELADOS
Conhecendo o modelo matemtico, faa a formulao do problema e resolva-o

graficamente
1) Um alfaiate tem, disponveis, os seguintes tecidos: 16 metros de algodo, 11 metros de seda e

15metros de l. Para um terno so necessrios 2 metros de algodo, 1 metro de
seda e 1 metro de l. Para um vestido, so necessrios 1 metros de algodo, 2
metros de seda e 3 metros de l. Se um terno vendido por $300,00 e um vestido por
$500,00, quantas peas de cada tipo o alfaiate deve fazer, de modo a maximizar o seu lucro?
Encontre a soluo ptima do problema, e interprete sua resposta.
Max.Z 300 x1 500 x2

2 x1 x2 16

s.a : x1 2 x2 11
x 3 x 15
1 2
x1 , x 2 0
2) Uma companhia de aluguer de caminhes possua-os de dois tipos: o tipo A com 2 metros cbicos
de espao refrigerado e 4 metros cbicos de espao no refrigerado e o tipo B com 3 metros cbicos
refrigerados e 3 no refrigerados. Uma fbrica precisou transportar 90 metros
cbicos de produto refrigerados e 120 metros cbicos de produto no refrigerado.
Quantos caminhes de cada tipo ela deve alugar, de modo a minimizar o custo, se o aluguer do
caminho A era $0,30 por km eo do B, $0,40 por km. Elabore o modelo de programao
linear.
Min.Z 0,30 x1 0,40 x 2

2 x1 3x 2 90
s.a :
4 x1 3x 2 120
x1 , x2 0
3) Uma confeitaria produz dois tipos de bolos de soverte: chocolate e creme. Cada lote de bolo de
chocolate vendido com um lucro de 3 u.m. e os lotes de bolo de creme com um lucro de 1 u.m.
.Contratos com vrias lojas impem que sejam produzidos no mnimo 10 lotes de bolos de chocolate
por dia e que o total de lotes fabricados nunca seja menos que 20. O mercado s capaz de
consumir at 40 lotes de bolos de creme e 60 de chocolate. As mquinas de
68
preparao do sorvete disponibilizam 180 horas de operao, sendo que cada lote de bolos de
chocolate consome 2 horas de trabalho e cada lote de bolos de creme 3 horas.
Formule apenas o modelo do problema.
Max.Z x1 3 x 2
x1 40
x2 60

x2 10
s.a :
x1 x2 203
x1 2x2 180

x1 , x 2 0
4) A Fashion Things Ltda. uma pequena empresa fabricante de diversos tipos de acessrios femininos,
entre eles bolsas de modelos diferentes. A empresa foi convencida, pelo seu distribuidor, de que existe
mercado tanto para bolsas do modelo padro (preo mdio) quanto para as bolsas do modelo luxo
(preo alto). A confiana do distribuidor to acentuada que ele garante que ele ir comprar todas as
bolsas que forem produzidas nos prximos trs meses. Uma anlise detalhada dos requisitos de
fabricao resultaram na especificao da tabela abaixo, a qual apresenta o tempo despendido (em
horas) para a realizao das quatro operaes que constituem o processo produtivo, assim
como o lucro estimado por tipo de bolsa:
Produto Corte e colorao Costura Acabamento Inspeo e Empacotamento Lucro por

bolsa Padro 7/10 1/2 1 1/10 R$10,00De luxo 1 5/6 2/3 1/4 R$9,00Tempo disponvel
630 600 700 135
Max.Z 10 x1 9 x 2
7
x1 x 2 603
10
1 x 5 x 600
2 1 6 2
s.a :
x1 2 x 2 700
3
1 1
x1 x 2 135
10 4
x1 , x2 0
5) A indstria Luzilndia S/A iniciou suas operaes em Janeiro de 2001 e j vem
conquistando espao no mercado de laminados brasileiro, tendo contratos fechados
de fornecimento para todos os 3 tipos diferentes de lminas de alumnio que
fabrica: espessuras finas, mdia ou grossa. Toda a produo da companhia
realizada em duas fbricas, uma localizada em So Paulo e a outra no Rio de
Janeiro. Segundo os contratos fechados, a empresa precisa entregar 16 toneladas
de lminas finas, 6 toneladas de lminas mdias e 28 toneladas de Lminas
grossas. Devido qualidade dos produtos da Luzilndia S/A., h uma demanda
extra para cada tipo de lminas. A fbrica de So Paulo tem um custo de produo
diria de R$ 100.000,00 para cada capacidade produtiva de 8 toneladas de lminas
finas, 1 tonelada de lminas mdias e 2 tonelada de Lminas grossas por dia. O
custo de produo dirio da fbrica do Rio de Janeiro de R$ 200.000,00 para
cada produo de 2 toneladas de lminas finas, 1 tonelada de lminas mdias e 7
69
tonelada de Lminas grossas por dia. Quantos dias cada uma das fbricas dever
operar para atender aos pedidos ao menor custo possvel? Elabore o modelo.
Min.Z 100.000 x1 200.000 x 2

8 x1 2 x 2 16

s.a : x1 x 2 6
x 7 x 28
1 2
x1 , x2 0
6) Um vendedor de frutas pode transportar 800 caixas de frutas para sua regio de
vendas. Ele j transporta 200 caixas de laranjas a 20 u.m. de lucro por caixa por
ms. Ele necessita transportar pelo menos 100 caixas de pssegos a 10 u.m. de
lucro por caixa, e no mximo 200 caixas de tangerinas a 30 u.m. de lucro por
caixa. De que forma dever ele carregar o caminho para obter lucro mximo?
Max.Z 10 x1 30 x 2 4000
x1 x 2 600
100
s.a : x1
x 2 200

x1 , x2 0
7) Uma rede de televiso local tem o seguinte problema: foi descoberto que o
programa A com 20minutos de msica e 1 minuto de propaganda chama a ateno
de 30.000 telespectadores, enquanto o programa B, com 10 minutos de msica e 1
minuto de propaganda chama ateno de 10.000 telespectadores. No decorrer de
uma semana, o patrocinador insiste no uso de no mnimo, 5 minutos para sua
propaganda e que no h verba para mais de 80 minutos de msica. Quantas vezes
por semana cada programa deve ser levado ao ar para obter o nmero mximo de
telespectadores? Elabore o modelo.
Max.Z 30000 x1 10000 x 2

20 x1 10 x 2 80
s.a :
x1 x 2 5
x1 , x2 0
8) A empresa Have Fun S/A produz uma bebida energtica muito consumida pelos
frequentadores de danceterias noturnas. Dois dos componentes utilizados na
preparao da bebida so solues compradas de laboratrios terceirizados
soluo Red e soluo Blue e que provm os principais ingredientes ativos do
energtico: extrato de guaran e cafena. A companhia quer saber quantas doses de
10 mil litros de cada soluo deve incluir em cada lata da bebida, para satisfazer s
exigncias mnimas padronizadas de 48 gramas de extrato de guaran e 12 gramas
de cafena e, ao mesmo tempo, minimizar o custo de produo. Por acelerar o
batimento cardaco, a norma padro tambm prescreve que a quantidade de cafena
seja de, no mximo, 20 gramas por lata. Uma dose da soluo Red contribui com 8
70
gramas de extrato de guaran e 1 grama de cafena, enquanto uma dose da soluo
Blue contribui com 6 gramas de extrato de guaran e 2 gramas de cafena. Uma
dose de soluo Red custa R$ 0,06 e uma dose de soluo Blue custa R$ 0,08.
Min.Z 0,06 x1 0,08 x 2

8 x1 6 x 2 48

s.a : x1 2 x 2 12
x 2 x 20
1 2
x1 , x2 0
9) Um fabricante de bombons tem estocado bombons de chocolate, sendo 130 kg
com recheio de cerejas e 170 kg com recheio de menta. Ele decide vender o
estoque na forma de dois pacotes sortidos diferentes. Um pacote contm uma
mistura com metade do peso dos bombons de cereja metade em menta e vende por
R$ 20,00 por kg. O outro pacote contm uma mistura de um tero de bombons de
cereja e dois teros de menta e vende por R$12,50 por kg. O vendedor
deveria preparar quantos quilos de cada mistura a fim de maximizar seu lucro nas
vendas?
Max.Z 20 x1 12,50 x 2
1 1
x1 x 2 130
s.a : 2 3
1 x 2 x 70

2
1 2
3
x1 , x2 0
10) Uma mulher tem R$ 10.000,00 para investir e seu corretor sugere investir em dois
ttulos, A e B.O ttulo A bastante arriscado, com lucro anual de 10% e o ttulo B
bastante seguro, com um lucro anual de 7%. Depois de algumas consideraes,
ela resolvem investir no mximo R$ 6.000,00no ttulo A, no mnimo R$ 2.000,00
no ttulo B. Como ela dever investir seus R$ 10.000,00 a fim de maximizar o
rendimento anual?
Max.Z 0,10 x1 0,07 x 2

1210.000 x1 x 2 16

s.a : x1 x 2 6000
x x 2000
1 2
71
PROBLEMAS PROPOSTOS DE PROGRAMAO LINEAR
1.Considere o seguinte programa linear:
min Z x1 3x 2 x 4 2 x5
s.a. : x1 x 4 x5 3
x1 x 2 x 4 3
5 x1 x3 2 x 4 16
x1 , x 2 , x3 , x 4 , x5 0
Verifique que as colunas associadas s variveis x1 , x2 e x3 constituem uma base do

sistema de restries e classifique a correspondente soluo bsica quanto
admissibilidade.
Justifique se a soluo encontrada em a) a soluo ptima.
2.Considere o seguinte problema, formulado em p.l. como:
min Z 2 x1 3x 2 4 x3
s.a. : x1 5 x 2 3x3 15
x1 x 2 x3 5
5 x1 6 x 2 4 x3 10
x1 , x 2 , x3 0
a) Escreva-o na sua forma cannica e determine a soluo bsica admissvel

associada s variveis de folga.
b) Mostre que a soluo encontrada em a) no a ptima e indique justificando
quais as variveis bsicas na prxima iterao.
c) Escreva e resolva as equaes que levam obteno de uma nova S.B.A.
3. Uma fbrica de tintas produz dois tipos de produto: 1 tinta para interiores e uma tinta
para exteriores. Para isso recorre a dois tipos de matria prima, A e B, das quais possu,
respectivamente, 6 e 9 toneladas, em stock, stock esse que no pode ser reforado . Para
72
produzir uma tonelada de tinta interior so necessrias 1 tonelada de A e 2 toneladas de
B. No caso da tinta exterior, para produzir uma tonelada so necessrias 1 tonelada de A
e duas toneladas de B. Um estudo de mercado indica que a procura de tinta interior no
excede em mais de 1 tonelada de tinta exterior. O preo de venda da tinta interior de
30$00 por Kg e o da tinta exterior de 45$00 por kg.
Formule o problema.
Encontre a sua soluo ptima, recorrendo ao mtodo do simplex.
4. Considere o seguinte problema de p.l.

max Z 20 x1 12 x 2
s.a. : x1 4
x2 5
3x1 x 2 16
x1 , x 2 0
Determine a sua soluo tima recorrendo forma matricial do simplex.
5. possvel produzir um determinado tipo de leo misturando 2 outros tipos

disponveis: A e B. O leo a obter tem de obedecer a vrios requisitos: possuir um grau
de viscosidade no superior a 60 e um teor de Enxofre que no exceda os 40%.
Os leos A e B tm as seguintes caractersticas e preos:
leo A leo B
Viscosidade 40 40
( Baum)
Teor em Enxofre 30 52
Preo 30 20
(u.m/l)
Pretende-se determinar quais as quantidades de A e de B a misturar para produzir 100 l

do novo leo, de forma a minimizar os custos com a matria-prima.
Formule o problema.
Determine graficamente a sua soluo ptima.
6.Um fabricante de papel produz trs tipos de papel: pesado (P) com um lucro de 6
u.m./ton, mdio (M) com um lucro de 4 u.m/ton e fino (F) com um lucro de 5 u.m./ ton.
73
Considera-se que para produzir uma tonelada de P so necessrios 2 ton de pasta e 2
unidades de energia elctrica, para M os valores so 1 e 2 e para F 1 e 5.
O fabricante dispe de 30 ton de pasta e 40 unidades de energia elctrica.
Formule o problema
Determine a sua soluo ptima.
7.Uma empresa possui uma fbrica de objetos de plstico. Dois dos tipos de matria
prima de que necessita, designemo-los por A e B, so produzidos internamente, numa
linha de produo parcialmente autnoma, com custo de 16$00/kg e de 24$00/kg,
respectivamente.
A produo de A e B destina-se, em primeiro lugar, para satisfazer as necessidades da

fbrica (que requer diariamente 4 toneladas de A e 10 toneladas de B) sendo um
eventual excesso de produo vendido no mercado.
Sabe-se que so necessrios 2 trabalhadores para obter uma tonelada de matria primas
A, enquanto para obter uma tonelada de matria-prima B necessrio somente 1.
A empresa no pode destacar mais de 30 dos seus trabalhadores para a linha de

produo
a) Formule o problema em programao linear e resolva-o graficamente.

Caracterize a soluo obtida, referindo se esta , ou no nica e quais restries
ativa.
b) Construa o problema dual que lhe est associado e, recorrendo

complementaridade, determine a sua soluo ptima.
c) Uma equipa de consultores de Engenharia prope empresa a implementao
uma nova tecnologia que permite reduzir as necessidades de mo de obra da
linha de produo. Indique, justificando, qual dever ser a resposta da empresa a
esta proposta. (Caso tenha resolvido o problema alternativo, discuta uma
eventual vantagem no aumento do valor de b2)
8.Considere o seguinte programa linear:
max Z 80 x1 60 x 2
s .a . : 5 x1 3x 2 30
2 x1 3x 2 24
x1 3 x 2 18
x1 , x 2 0
74
a) Obtenha o quadro do simplex no qual se tem como variveis bsicas as variveis
x1 , y 2 , y3 e prossiga com a aplicao do mtodo at chegar ao valor ptimo do
problema.
b) Discuta as implicaes das alteraes que a seguir se descrevem na resposta
apresentada em a).
bi ) O vector dos termos independentes das restries passa a ser dado
por 30 22 18
T
9. Dado o programa linear:
min Z 2 x1 3x 2
s.a. : x1 2 x 2 1
x1 x 2 2
x1 , x 2 0
a) Escreva e resolva o problema auxiliar conducente obteno de uma soluo

bsica admissvel.
b) Determine o valor da funo objetivo Z para a soluo obtida em a) e
verifique se ou no possvel melhor-lo.
10. Uma fbrica de refrigerantes produz dois tipos de refrescos, A e B. De forma a
otimizar o seu esquema de produo foi construdo o seguinte modelo de programao
linear:
max Z 1.5 x1 1x2

s.a.20 x1 40 x2 40
45 x1 30 x2 60
x1 , x2 0
onde x1 e x2 representam as quantidades (em hectolitros) a produzir de cada um dos
refrigerantes e 40 e 60 representam as disponibilidades das matrias primas destinadas
75
produo (em toneladas). Os preos de venda dos refrigerantes so 1.5 e 1 u.m.,
respectivamente.
a) Resolva graficamente o problema indicado.
b) Apresente o seu dual e calcule a respectiva soluo ptima.
c) Interprete, em termos econmicos, o significado a atribuir aos resultados de a) e
b)
11.Considere o seguinte problema, formulado em programao linear, como:
maxZ x1 x 2 x3
s .a . : x1 x3 1
2 x1 x 2 x3 8
x1 x 2 x3 2
x1 , x 2 , x3 0
a) Verifique que as colunas associadas s variveis x3 , y 2 e y3 constituem uma base

do sistema das restries, quando reduzido sua forma cannica e encontre a
correspondente soluo bsica. Justifique que no ptima para o problema.
b) Construa o quadro do simplex associado soluo bsica encontrada em a) e
prossiga com o mtodo at encontrar a soluo ptima.
c) Indique o intervalo de variao para 1 na qual a base mantm admissvel.
d) Admita que o valor de 1 alterado para 4 (se resolveu o problema alternativo
considere 1 = 45) determine a soluo ptima do problema modificado.
e) Admita que introduzida uma nova restrio ao problema, a saber:
3 2
Ou 2 + 3 30
Para caso de problema alternativo.
Estude as sequncias da introduo da referida restrio no plano ptimo
determinado.
12. Considere um programa linear de mximo, onde todas as restries so de tipo
. As variveis de deciso foram designadas por 1 2 e as variveis auxiliares
por 1 , 2 3 .
Aps a aplicao do mtodo de simplex chegou-se ao quadro ptimo:
Para caso de problema alternativo.
76

Z 5 0 0 0
3/2 1 0 -1/8 3/8 0
2 0 1 -1/2 0
4 0 0 1 -2 1
Formule matematicamente o problema em causa.
13.Considere a seguinte instncia de um problema P, formulado em programao linear

como:
(P) : min z x1 2 x2 3x3

s .a. 3x1 2 x3 5
x1 x 2 x3 7
x1 x 2 x3 2
x1 0, x2 , x3 0
a) Recorrendo primeira fase do mtodo das duas fases determine uma soluo bsica
admissvel e o seu valor para o problema P
b) Classifique a soluo encontrada em a) quanto optimizao. Caso a soluo no
seja ainda a ptima, escreva e resolva as equaes conducentes obteno da
prxima soluo.
14.Considere o seguinte problema de programao linear:
max z 600 x1 1000 x2

s.a. 1x1 1.8 x2 64
0.5 x1 0.6 x2 24
x1 , x2 0
Por aplicao do mtodo do Simplex ao problema assim formulado, chegou-se ao

quadro final:
x1 x2 y1 y2
Z 108 800/3 0 0 1400/3 800/3
x1 16 1 0 -2 6
x2 80/3 0 1 5/3 -10/3
a) Descreva a soluo obtida, indicando quais as restries ativas.

b) Confirme graficamente os resultados indicados no quadro.
77
c) Realize uma anlise de sensibilidade aos segundos termos das restries e aos
coeficientes da funo objetivo.
d) Escreva o dual problema e, recorrendo complementaridade, encontre a sua soluo
ptima.
e) Suponha que introduzida uma restrio adicional ao problema
x2 15
Quais as alteraes que a introduo de uma tal restrio trar ao quadro ptimo?
15. Considere o seguinte problema formulado em Programao Linear, como:
(P) Min Z x1 3x 2 x3
s.a : 2 x1 x 2 x3 18
x1 x 2 3 x3 36
x1 3 x 2 x3 24
x1 , x 2 , x3 0
a) Determine a soluo bsica associada s variveis y1 , y2 e x2 . Justifique que a
soluo encontrada uma soluo bsica admissvel para o problema. ( yi

denota a varivel auxiliar associada restrio i)
b) Mostre que a soluo encontrada na alnea a) no verifica o critrio da
optimalidade.
c) Construa o quadro do simplex correspondente soluo encontrada em a).
d) Prossiga com a aplicao do mtodo at encontrar a soluo ptima de P.
16. Considere o seguinte problema:
Numa pequena oficina produzem-se dois tipos de peas: A e B. Para tal, o arteso
dispe de uma nica mquina que pode utilizar at 8h por dia. Para produzir uma
pea A o arteso necessita de utilizar a mquina durante uma hora, enquanto que para
produzir uma pea de B o arteso ocupa a mquina durante duas horas.
Recentemente o arteso recebeu a visita de uma equipa de consultores da regio de
turismo que definiu que:
As peas tipo A sero vendidas por 5 u. m. e as tipo B por 10 u.m.,

respectivamente
A produo de peas tipo A deve ser pelo menos dupla da produo de peas
tipo B.
78
A mquina no deve ser ocupada em mais do que 50% do seu tempo
disponvel com cada um dos dois tipos de pea a produzir.
a) Determine o esquema de produo que permite maximizar o valor das receitas.
b) Recorrendo a um processo grfico, determine a sua soluo ptima.

c) Construa diretamente o quadro ptimo do Simplex.
17. Considere o seguinte programa linear:
min Z x1 3x 2 2 x3
s.a. : 2 x1 3x 2 7
5 x1 3x 2 2 x3 8
5 x1 2 x 2 x3 7
x1 , x 2 , x3 0
a)Verifique que as colunas associadas s variveis y1, y2 e x1 constituem uma base do

sistema das restries e classifique a correspondente soluo bsica quanto
admissibilidade) Construa o quadro do simplex respeitante soluo bsica encontrada
em a) e discuta a sua optimalidade. Caso a soluo encontrada no seja ainda a ptima,
continue com o mtodo at optimalidade.
18. Considere o problema em P.L..
( P ) min z x1 3 x 2
s.a. x1 x 2 2
x1 4
x1 x 2 5
x2 6
x1 , x 2 0
a) Represente graficamente o conjunto das solues admissveis de P. Identifique

as solues bsicas admissveis.
b) Indique qual a soluo ptima de P e identifique as restries ativas. Determine
o valor associado s variveis de folga de cada uma das restries.
c) Construa o dual de (P) e, recorrendo complementaridade, determine a sua
soluo ptima.
19. Numa fbrica podem produzir-se 4 tipos de solventes diferentes. Tendo em vista a
maximizao dos lucros, pretende definir-se qual a quantidade de cada um dos produtos
79
xi (i=1,2,3,4) que se deve produzir mensalmente. Sabe-se que o lucro unitrio associado
a cada um dos produtos de 300, 725, 200 e 450 u.m./Kl, respectivamente.
A quantidade a produzir de cada um destes produtos limitada por restries ao

consumo de matria-prima, disponibilidade de mo-de-obra e ao espao de
armazenagem destinado ao produto acabado. Na tabela seguinte apresentam-se as
necessidades em cada uma das linhas de produo, bem como a disponibilidade mensal
de cada um dos recursos mencionados:
Produto Produto Produto Produto Disponibilida

1 2 3 4 de
1 3 1 2 60
Matria-Prima
(Kg/ms)
2 8 2 3 140
Mo-de-obra
(horas
homem/ms)
3 5 6 3 100
Espao de
armazenagem
(m3/ms)
Com base em todas estas informaes foi possvel formular o problema em termos de
Programao Linear na seguinte forma:
max Z 300 x1 725 x 2 200 x3 450 x 4

s.a. : x1 3x 2 x3 2 x 4 60
2 x1 8 x2 2 x3 3x 4 140
3x1 5 x 2 6 x3 3x 4 100
x1 , x2 , x3 , x 4 0
Aplicando o mtodo do simplex ao problema obtm-se o seguinte quadro ptimo ( yi

denota a varivel de folga associada restrio i):
80
x1 x2 x3 x4 y1 y2 y3
14350 0 0 242.5 0 142.5 367.5 47.5

Z
x4 8 0 0 -3/5 1 7/5 2/5 -1/5
x2 14 0 1 -3/10 0 -3/10 3/10 -1/10
x1 2 1 0 31/10 0 -9/10 -1/10 7/10
a) Descreva a soluo obtida, indicando o que se produz e em que quantidades.

Refira tambm o consumo de recursos e indique se h, ou no, vantagem em
aumentar a disponibilidade de algum dos recursos necessrios produo dos
solventes.
b) Considere que o lucro unitrio do solvente 3 passa para 400 u.m. Averige se a
soluo ptima se mantm.
c) Imagine, agora, que se estuda a hiptese de passar a produzir um quinto tipo de
solvente. Este novo solvente seria vendido por 250 u.m/kl, sendo as suas
necessidades em matria-prima, mo-de-obra e espao de armazenagem de 2, 3
e 5, respectivamente. Dever a empresa rever o seu esquema de produo de
forma a passar a produzir este novo tipo de solvente?
20. Uma empresa de refrigerantes est a estudar a possibilidade de passar a produzir
dois novos produtos, cujos preos de venda so 2 e 1 u.m./l, respectivamente. Na
produo destes novos produtos so utilizadas trs matrias-primas distintas, a saber: A,
B e C.
Por litro de refrigerante 1 produzido so consumidas 3 unidades da matria-prima A e 1

da matria-prima B. Por sua vez, por litro de refrigerante 2 produzido so consumidos 1
unidade de matria-prima A, 2 unidades de matria-prima B e 1 unidade da matria-
prima C. A empresa tem assegurado um fornecimento de 70 unidades da matria-prima
A, 60 unidades da matria-prima B e 25 unidades da matria-prima C, e pretende
planear a produo, maximizando o valor das vendas sem exceder as disponibilidades.
a) Formule o problema em programao linear.
81
b) Resolva-o graficamente, indicando a sua soluo ptima. Caracterize-a,
descrevendo o que se produz e em que quantidade e refira o consumo de
matria-prima
c) Formule o problema dual correspondente. Determine e interprete
economicamente a soluo ptima dual.
Solues Exerc. P.L.:
1)
a) x1 3 , x2 6 e x3 1 . S.B.A..
b) ptima visto que os valores dos custos reduzidos das variveis no bsicas
mostram que no possvel melhorar o valor actual da funo objectivo.
2)
a) y1 15 , y2 5 e y3 10 . S.B.A..
b) Novas variveis bsicas: y1 , y 2 , x 3 .
c) Nova soluo bsica: y1 45 / 2 , y 2 5 / 2 , x3 5 / 2 .
3)
a) Sejam:
x1 Quantidade de tinta para interiores a produzir (kg)
x2 Quantidade de tinta para exteriores a produzir (kg)
O problema enunciado pode ser formulado como:
MaxZ 30 x1 45 x 2
s.a. x1 2 x 2 6
2 x1 x 2 9
x1 x 2 1
x1 , x 2 0
b) x * 8 / 3, 5 / 3 ; y * 0, 2,0 ; z * 155 .
4) x * 11 / 3, 5 ; y * 1 / 3,0,0 ; z * 400 / 3 .
5)
a) Sejam:
x1 Quantidade de leo A no novo leo (l)
82
x2 Quantidade de leo B no novo leo (l)
MinZ 30 x1 20 x 2
s.a. 40 x1 40 x 2 60( x1 x 2 )
0.3x1 0.52 x 2 0.4( x1 x 2 )
x1 x 2 100
x1 , x 2 0
b) x* 0,100 ; y * 2 0 00,10 ; z * 3000 . Logo o novo leo ser constitudo

por 100% de leo A e 0% de leo B.
6)
a) Sejam:
x1 Quantidade de papel fino a produzir (ton)
x2 Quantidade de papel mdio a produzir (ton)
x3 Quantidade de papel pesado a produzir (ton)
MaxZ 5 x1 4 x 2 6 x3
s.a. x1 x 2 2 x3 30
5 x1 2 x 2 2 x3 40
x1 , x 2 , x3 0
b) x * 0,10,10 ; y * 0, 0 ; z * 100 .
7)
a) Sejam:
x1 Quantidade de matria prima A a produzir (ton)
x2 Quantidade de matria prima B a produzir (ton)
83
MinZ 16 x1 24 x 2
s.a. x1 4
x 2 10
2 x1 x 2 30
x1 , x 2 0
A soluo ptima obtida x * 4,10 ; y * 0, 0,12 e tem valor z * =304.
A soluo nica e esto ativas as primeira e segundas restries. O lucro gerado

304 000$00.
b) Problema Dual:
MaxG 4w1 10w2 30w3
s.a. w1 2w3 16
w2 w3 24
w1 , w2 0
w3 0
A soluo ptima dual w* 16,24, 0 e v * 0, 0 e tem valor G * =304

.
c) A resposta dever ser negativa pois o recurso mo-de-obra no esgotado com o

plano atual.
8)
a) A soluo ptima obtida x * 3,5 ; y * 0, 3,0 e tem valor z * =540.
b)
i) A soluo permanece admissvel e, como tal no necessrio reoptimizar.
Assim o valor de y 2 e alterado passando a valer 2.
ii) A nova soluo ptima x * 0,6 ; y * 12,6,0 com valor z * =360.
9)
a) S.B.A: x 0,1/ 2 ; y 0, 3 / 2 .
b) Valor da soluo: z =3/2. A soluo ptima.
10)
a) x1 , x2 1,1/ 2 1 4 / 3,0, com 0,1 .
b) Problema Dual:
MinG 40w1 60w2
s.a. 20w1 45w2 1.5
40w1 30w2 1
w1 , w2 0
A soluo ptima dual w* 0,1 / 30 e v * 0, 0 e tem valor G * =2.
c) Produzem-se 1 hl de refrigerante A e 50l de refrigerante B, consumindo-se as

duas matrias-primas na totalidade. O preo sombra atribudo matria-prima 1
84
0, o que significa que no h vantagem em adquiri-la. Por sua vez, o preo
sombra da matria-prima 2 1/30 u.m., o que significa que vantajoso para a
empresa adquirir uma quantidade extra de matria-prima 2, desde que o preo de
aquisio seja inferior a 1/30 u.m/unidade adquirida.
11)
a) A soluo bsica encontrada x 0,0,1 ; y 0, 7,3 . Trata-se de uma soluo
bsica admissvel.
b) A soluo ptima obtida x * 0,3,1 ; y * 0, 4,0 e tem valor z * =4.
c) b1 0,3
d) A nova soluo ptima x * 1,1,0 ; y * 0,5,0 com valor z * =5.
e) A soluo permanece admissvel e ptima.
12)
MaxZ 2 x1 x 2
s.a. 4 x1 3 x 2 12
4 x1 x 2 8
4 x1 x 2 8
x1 , x 2 0
a) A soluo bsica encontrada x 5 / 3,1/ 3,0 ; y 0, 5 / 2,0 .

b) A soluo ptima x * 5 / 3,16 / 3,0 ; y * 0, 0,5 e tem valor z * 9 .
13)
a) So bsicas as variveis x1 e x 2 e so no bsicas as variveis y1 e y 2 . A
soluo ptima de (P) nica e tem valor 108 800/3. Esto ativas as restries 1
e 2.
b) b1 48, 72 ; b2 64 / 3, 32 ; c1 5000 / 9, 2500 / 3 ; c2 720,1080

c)
MinG 64w1 24w2
s.a. w1 0.5w2 600
1.8w1 0.6w2 1000
w1 , w2 0
A soluo ptima dual w* 1400 / 3, 800 / 3 , v * 0, 0 e tem valor G * =108 800/3
A nova soluo ptima x* 30,15 ; y* 7,0,0 e tem valor z*=33 000.

14)
a) A soluo bsica x 0,8,21 / 2 ; y 10,28 . S.B.A. visto que respeita as
restries de no negatividade.
b) No ptima porque possvel melhorar o valor da funo objetivo, fazendo
entrar x3 na base.
85
c)
x1 x2 x3 y1 y2
Z 24 0 0 2 0 0
y1 10 -5/3 0 2/3 1 0
y2 28 4/3 0 8/3 0 1
x2 8 -1/3 1 1/3 0 0
d) A soluo ptima x* 0, 9 / 2,11 ; y* 3,0,0 e tem valor z*=3.

15)
a) Sejam:
x1 Quantidade de peas tipo A a produzir
x2 Quantidade de peas tipo B a produzir
MaxZ 5 x1 10 x 2
s.a. x1 2 x 2 8
x1 2 x 2
x1 4
2 x2 4
x1 , x 2 0 e inteiros
b) A soluo ptima x* 4,2 e tem valor z*=40.

c)
x1 x2 y1 Y2 y3 y4
40 0 0 5 0 0 0
Z
x1 4 1 0 1/2 -1/2 0 0
x2 2 0 1 1/4 1/4 0 0
y3 0 0 0 -1/2 1/2 1 0
y4 0 0 0 -1/4 -1/4 0 1
16)
86
a) A soluo bsica encontrada x 7 / 5,0,0; y 21/ 5,1,0 . Trata-se de uma
S.B.A.
b) A soluo ptima x* 1,1,0; y* 2,0,0 e tem valor z*= - 2.
17)
a) O conjunto das solues admissveis de P o poliedro cujos pontos extremos
so:
A(0,5); B(0,6); C(4,6); D(4,2) e E(7/2,3/2).
b) A soluo ptima x* 7 / 2,3 / 2 e tem valor z*= 8. Esto ativas as primeira e

terceira restries. Os valores associados s variveis de folga so: y1 y3 0;
y2 1/ 2 ; y4 9 / 2 .
c) Problema Dual:
MaxG 2w1 4w2 5w3 6w4

s.a. w1 w2 w3 1
w1 w3 w4 3
w1 , w2 , w4 0
w3 0
A soluo ptima dual w* 1,0,2,0 e v * 0, 0 e tem valor G * =8.
18)
a) Produzem-se os solventes 1, 2 e 4 nas quantidades de 2Kl, 14 Kl e 8 Kl,
respectivamente. Consomem-se todos os recursos disponveis, havendo
vantagem em aumentar a sua disponibilidade, desde que esse aumento no traga
custos superiores a 142.5 u.m., 367.5 u.m. e 47.5 u.m, por unidade de matria-
prima, mo-de-obra e espao de armazenagem disponibilizados.
b) A soluo permanece ptima.
c) No h vantagem em alterar o plano de produo, logo a soluo permanece
ptima.
19)
a) Sejam:
x1 Quantidade de refrigerante 1 a produzir
x2 Quantidade de refrigerante 2 a produzir
87
MaxZ 2 x1 x 2
s.a. 3 x1 x 2 70
x1 2 x 2 60
x 2 25
x1 , x 2 0
b) A soluo ptima x* 16,22 e tem valor z*=54. Assim, produzem-se 16 l de

refrigerante 1 e 22 l de refrigerante 2. As matrias-primas A e B so consumidas
na totalidade, havendo um excesso de 3 unidades de matria-prima C.
c) Problema Dual:
MinG 70w1 60w2 25w3
s.a. 3w1 w2 2
w1 2w2 w3 1
w1 , w2 , w3 0
A soluo ptima dual w* 3 / 5,1 / 5,0 e v * 0, 0 e tem valor G * =54.
A matria-prima C no consumida na totalidade, pelo que o seu preo sombra

zero. As matria primas A e B so bens escassos, havendo vantagem em adquirir
quantidades extra, desde que o custo de aquisio no ultrapasse 3/5 u.m. e 1/5 u.m.,
por unidade adquirida, respectivamente.
88
TEMA OITO
ANALISE DEPOIS DO OTIMO
Uma empresa produz trs produtos numa fbrica sua. Na fabricao dos produto, trs
insumos so crticos em termos de restringir a capacidade de produo possvel. A
mo-de-obra disponvel, a quantidade de matria-prima e o espao para o
armazenamento dos produtos j produzidos. Assim, o departamento de produo j sabe
que para o prximo ms ter disponvel 100 kg de matria-prima, 3602 de rea para
armazenamento e 400 homens hora de mo de obra. Cada unidade de P1 consome 1 kg
de matria prima, precisa de 62 para ser armazenada e necessita de 8 h-h em mo de
obra. Por sua vez cada unidade do produto 2, consome 2 kg de matria prima, 62 para
ser armazenada e envolve o uso de 4 h-h.
J cada P3 precisa de 2kg de matria-prima, 42 para ser armazenado e o trabalho

avaliado ao equivalente a 4 h- h.
Deduzindo o preo de venda de todos os custos directos ou indirectos, foi determinado

que o lucro unitrio igual $4 para P1 e $5 para P2 e $3 para P3 levando em conta que
o objectivo da empresa mximizar o lucro com a produo e a venda dos trs
produtos, foi formulado no seguinte modelo de PL visando determinar as quantidades
que deveriam ser fabricadas de cada produto no prximo ms.
Variveis de deciso:
1 quantidade de P1 a serem produzidos
2 - quantidade de P2 a serem produzidos
89
3 - quantidade de P3 a serem produzidos
Max = 41 + 52 + 33
1 + 22 + 23 100 ( )
. { 61 + 62 + 43 360 (2
81 + 42 + 43 400 ( )
1 , 2 , 3 0
Submetido ao simplex, a soluo apresenta as seguintes solues bsicas, onde (SI) a

soluo inicial e (SF) a soluo final ou seja a soluo ptima.
ST: (0) 41 + 52 33 = 0
(1) 1 + 22 + 53 + 1 = 100
(2) 61 + 62 + 43 + 3 = 360
(3) 81 + 42 + 43 + 3 = 400
1 = 100 1 = 0
{2 = 320 {2 = 0
3 = 400 3 = 0
=0
2 - Var que entra na base.
1 - Var que sai da base
Nova soluo bsica

3 5
(0) 2 1 + 22 + 2 1 = 250
1 1
(1) + 2 + 3 + 2 1 = 50
2 1
(2) 31 23 33 + 2 = 60
(3) 61 1 + 3 = 200
1 = 50 1 = 0
{ 2 = 60 {2 = 0
3 = 200 3 = 0
= 250
2 - Entra na base e 2 sai da base
Soluo final (SF)

1
(0) + 3 + 1 + 2 2 = 280
4 1
(1) 2 + 2 3 + 1 3 6 2 = 40
2 1
(2) 1 3 3 1 + 3 2 + 3 = 8
90
1 = 40 1 = 0
{2 = 20 {2 = 0
3 = 80 3 = 0
= 280
1. ANLISE PS OPTIMALIDADE
So raras as vezes em que se consegue determinar os parmetro ( , , ) de um

dado modelo matemtico com certeza absoluta. Na realidade os parmetros dos modelos
so simples estimativos sujeitos a um certo grau de incerteza e em consequncia disto,
natural que se queira avaliar os efeitos de mudana na soluo ptima, se forem
alterados um ou mais parmetros do modelo sem que seja necessrio resolver de novo o
modelo.
Definio: Analise de sensibilidade tambm chamada por analise de ps optimalidade

o estudo do efeito na Soluo Otima, da alterao efectuados nos parmetros de
determinados modelos.
Nota: As diferentes categorias de alterao que se podem analisar so:
1. Alterao nos coeficientes da FO ( ).

2. Alterao das constantes do lado direito ( ).
3. Alterao nos coeficientes das restries ( ).
4. Incluso de uma nova varivel.
2. ANLISE DE SENSIBILIDADE DOS COEFICIENTES DA F.O.

a. Das variveis no bsicas na soluo ptima
Na sequncia do exemplo anterior, examinamos a varivel 3 que represente o nmero

de unidades de P3 a produzir.
Pergunta 1: Se o coeficiente 3 na FO for menor que 3, a soluo final combinar a ser

soluo ptima?
Numa anlise previa, por intuio pode-se dizer que sim, pois se um lucro igual a 3 no
foi suficiente que purifica 3 de zero, muito menos o far um lucro menor.
Pergunta 2: Se o coeficiente de 3 for superior a 3, a soluo final continuar sendo

Otima?
Para responder esta pergunta podemos imaginar um coeficiente para 3 maior que 3 na
soluo final e baseando se nas propriedades do sistema de equaes lineares, calcular
como ficaria a funo (eq.0) no sistema ptimo (F).
91
De realar que para se saber se uma soluo ptima ou no, temos que examinar a
equao da F.O.
Seja 3 + o coeficiente de 3 , onde 0
Teremos: 41 52 (3 + )3 = 0
Ou seja: 41 52 33 3 = 0
Se considerarmos 3 = = 0 teremos:
41 52 33 + = 0
Pergunta 3: Se com esta equao no sistema inicial aplicassem o simplex como que
se chegaria a soluo ptima?
Consideramos que a varivel s aparece na equao (0) e como durante o simplex

somamos e subtramos a equao (0) mltipla de outras equaes (restries) nas quais
no aparece, teramos:
1
(0) + 3 + + 1 + 2 2 = 280
Substituindo pelo valor de , tem-se:
1
+ 3 3 + 1 + 2 = 280
2
1
+ (1 )3 + 1 + 2 = 280
2
A equao acima seria a equao (0) da soluo final (SF) se o coeficiente original de
3 fosse 3 + : Para esta soluo continuar sendo ptima, lembrando-nos que o modelo
de Max, teremos que garantir que: 1 0 , logo devemos ter que 1.
Se 1 a soluo (SF) deixa de ser ptima porque 3 ser varivel entrante porque seu
coeficiente seria menor que zero.
Para compreendermos os resultados na anlise de sensibilidade consideremos:
Definio: UPPER LIMIT (limite Superior) o maior valor que um coeficiente pode
assumir sem alterar a soluo ptima.
Definio: LOWER LIMIT (limite inferior) menor que um coeficiente pode assumir
sem alterar a soluo ptima.
Definio: O LOWER e UPPER LIMIT so simbolicamente representados por

[; ], ou seja entre parntese rectos separado por ponto e virgula.
Nota: importante observar uma valiosa premissa bsica para determinar do LOWER e
UPPER limite para os parmetros de um modelo de PL. Quando se diz na definio dos
92
vectores de LL e UL sem alterar a soluo ptima queremos dizer sem alterar o
conjunto as variveis bsicas e consequentemente de variveis no bsicas.
Noutras palavras se o [; ], por exemplo [2; 12], isto significa que neste intervalo
fechado, o conjunto de variveis bsicas (e no bsicas) no se altera podendo no
entanto , se alterar o valor numricos delas.
Assim sendo, o LOWER e o UPPER LIMIT para o coeficiente de 3 na FO [0; 3 + ]

ou seja [0; 4].
importante considerar a diferena entre o LOWERLIMIT matemtico e o LOWER

LIMIT prtico.
Matematicamente o LOWER LIMIT , mas como o coeficiente de 3 , representa

lucro unitrio o LOWER LIMIT ser zero, pois o lucro unitrio no deve ser menos
que zero.
Outro ponto a ser observado o valor de igual ao coeficiente de 3 na equao (0)

do sistema ptimo (SF). Na verdade, para variveis no bsicas, ser sempre igual
aquele valor.
b. Das variveis bsicas na soluo ptimas
Qual LOWER e o UPPER LIMIT do coeficiente de 3 na F.O.?
Suponhamos que o coeficiente de 3 original seja 4 + logo, teremos
(0) (4 + )1 52 33 = 0
Substituindo pelo valor de , tem-se:
41 1 52 33 = 0
Fazendo 1 = , teremos:
(0) 1 + 52 33 = 0
Como so aparece na equao (0) original, na soluo (F) teramos:
1
(0) + + 3 + 1 + 2 2 = 280
Substituindo por 1 teremos

1
(0) 1 + 3 + 1 + 2 2 = 280
Sendo que 3 varivel bsica, tem de ser eliminada da equao (0). Para tal,
multiplica-se a equao (2) que onde 3 aparece como bsica na soluo F, por e
somamos a equao (0), obtendo-se:
93
2 1 1 = 280
(0) + [1 ] 2 + [1 ]1 + [ + ] 2
3 2 3 +20
Para garantir que a soluo (F) continue sendo ptima, teremos que ter todos os
coeficientes 0, ou seja:
2 3
1 = 0
2 2
1 = 0 1
1 2 3
+ = 0
2 3 2
Dada a existncia de sobreposio teremos:
2 N 2
0
3 3
Desta forma, os valores validos para serao:
3
1
2
Logo para o coeficiente de 1 na funo objectivo teremos:
3
[4 2 ; 4 + 1] Ou [2,5; 5]
Nota: Se o lucro unitrio de P1 estiver neste intervalo, ento, a soluo (F) continua a
ser ptima.
Exerccio: Achar o LOWER (F) e o UPPER LIMIT para o coeficiente de 2 na F.O.

17
Resposta: [ ; 9]
5. ANLISE DE SENSIBILIDADE DAS CONSTANTES DE LADO DIREITO
Pergunta: Qual o LOWER e o UPPER LIMIT da constante do lado direito da 3

restrio ou seja qual a faixa de variao da mo-de-obra (homens hora) que matem a
soluo (F) como sendo a soluo ptima?
94
Suponhamos que a constante do lado direito original, da 3 restrio seja 4 + ; onde
um valor qualquer.
Assim sendo: (3)1 81 + 42 + 43 + 3 = 400 +
D para observar que a varivel 3 possuem no sistema (I), as mesmas condies,

ou seja ambas s aparecem uma nica vez com coeficiente 1, 3 restrio. Pode-se
concluir que todo o que acontecer durante o simplex com 3 , acontecer a . Como no
sistema (F) a varivel 3 aparece exactamente da mesma forma, ou seja, somente na
terceira restrio teremos ento:
: (3)1 43 + 41 22 + 3 = 80 +
Nota: Para ma soluo seu ptimo, antes tem de ser praticvel. Logo como os vectores
do lado direito representam os vectores das variveis bsicas, eles tem de ser 0 pois
excepto Z todas as variveis tem de ser 0 para (F) continuar a ser praticvel e
consequentemente ptima.
Assim sendo, para que a soluo (F) continue a ser ptima bastar que:
80 + 0 80
Ento para teremos:
80
Logo parar a constante da terceira restrio do lado direito teremos:
[400 80; 400 + ] [300; ]
Nota:Na verdade era sabido que UPPER LIMIT era porque na soluo ptima o
valor ptimo de 3 era 80. Como 3 representa a falsa na mo-de-obra o seu valor
ptimo maior que zero indica que na soluo ptima j no se esta a usar toda a mo-de-
obra disponvel. Desta forma o aumento da mo-de-obra disponvel de qualquer
quantidade no vai provocar qualquer alterao na soluo ptima. Respondendo a
mesma pergunta para a constante do lado direito da primeira restrio, teremos:
(1) 1 + 22 + 23 + 1 = 100 +
Usando o raciocnio anterior, segundo o qual tendo o que acontecer com 1 acontecer
com no sistema (F) teremos:
1
+ 3 + 1 + 2 = 280 +
2
4 1
2 + 3 + 1 2 = 40 +
() 2 6
2 1
1 3 1 + 2 = 20
3 3
{41 + 41 22 + 3 = 80 + 4
95
Para que a soluo (F) continua a ser ptima todas as constantes do lado direito, excepto
o da equao (0) (valor de Z), devem ser 0 logo devemos ter:
40 + 0 40
20 0 20
80 + 4 0 20
Tendo em conta as sobreposies, teremos:
40 20 0 20
Podemos concluir que que deve ser 20 20.
Assim sendo, podemos escrever para a constante do lado direito da 1 restrio:
[100 20; 100 + 20]ou [80; 120]
Desta forma, se as quantidades de matria-prima estiverem entre 80 a 120 quilos, o

conjunto de varivel bsico e consequentemente o de variveis no bsicas, ser o
mesmo do encontrado na soluo (F).
Entretanto, se por exemplo, o vector de for igual a 10, ou seja se tivermos 110 quilos
de matria-prima, o valor numrico ptimo de variveis bsicos vai ser diferente pois
teremos:
= 200; 2 = 50; 1 = 10; 3 = 120
Assim fica claro o conceito de UPPER e LOWER LIM IT. Como o conjunto de
variveis bsicas (e no bsicas) no se altere diz-se que a soluo ptima permanece a
mesma, apesar de ter mudado o seu valor numrico.
Exerccio: Achar o LOWER e o UPPER LIMIT para a constante do lado direito da

segunda restrio.
Resposta: [300; 400]
6. DUALIDADE
O termo dualidade refere-se ao facto de que cada modelo de P.L. pode tomar duas
formas. A primeira, a original designa-se PRIMAL e a segunda forma do modelo
denomina-se DUAL. As propriedades de uma forma do modelo esto relacionadas com
96
as outras. Como consequncia disto, pode-se a partir da soluo ptimas de um dos
modelos, buscar-se a soluo ptima da outra.
A soluo do modelo DUAL fornece informaes significativas as questes econmicas

existente em qualquer modelo de PL
a. Modelo Primal e Modelo Dual
Observe os seguintes modelos de PL
Max = 41 + 52 + 93
1 + 2 + 22 16
. {
71 + 52 + 33 20
1 , 2 , 3 0
Min = 161 + 252
1 + 2 + 22 16
. { 1 + 2 5
21 + 32 9
1 , 2 0
Definio: designamos ao primeiro modelo de modelo principal e ao Segundo modelo

DUAL.
Se consideramos o segundo modelo de PRIMAL ento, o primeiro ser DUAL.
Nota: Se observarmos atentamente os dois modelos, denota-se que esta relacionado,

numa vs que as constantes do lado direito do 1 modelo so constante da F.O. do
segundo 2.
Os coeficientes da F.O do 1 so constantes do lado direito do 2. O coeficiente da 1

linha do 1 modelo (1,1,2) coeficiente da primeira coluna do 2 e assim por diante
Nota: (resumo). Dado um modelo (PRIMAL) podemos construir o segundo (dual).
b. Teorema DUAL
Suponhamos que nos exemplos anterior, 1 , 2 , 3 sejam vectores praticveis para o

modelo PRIMAL e , 1 , 2 sejam modelos praticveis para o modelo DUAL.
Se multiplicarmos a 1 restrio do PRIMAL por , 1 , 2 e a 2 restrio por , 2 e

somarmos as duas restries obteremos:
1 1 + 1 2 + 21 3 + 72 1 + 52 2 + 32 3 161 + 252
97
Se da mesma forma multiplicarmos a ensima restrio do DUAL por e somarmos as
trs teremos:
1 1 + 72 1 +1 2 + 52 2 + 21 3 + 32 3 32 43 + 52 + 93
Observando atentamente nota-se que os membro esquerdo das segunda equaes so

iguais da podemos escrever na forma:
161 + 52 41 + 52 + 93
Ou
Este resultado em que o vector da F.O. de uma soluo praticvel de um dos modelos
um limite para qualquer outra soluo praticvel do outro modelo.
Desta forma, por exemplo, se considerarmos a soluo praticvel, para o modelo

PRIMAL em que 1 = 1, 2 = 2 3 = 2, dando um valor igual a 32 para Z, e a
soluo praticvel 1 = 0 2 = 3 para o DUAL, dando um valor igual a 75 para y,
que concluso tirar?
Qualquer soluo praticvel, inclusive a ptima para o PRIMAL ser menor ou igual a
75 e qualquer soluo praticvel, inclusive a ptima para o DUAL, ser maior ou igual a
32. A concluso clara que a soluo ptima ser aquela em que Z = Y.
Teorema DUAL: No evento em que tanto o modelo DUAL quanto o PRIMAL possuam
solues praticveis terias que: Z = Y, ou seja, o vector ptimo dos dois modelos o
mesmo.
Nota: Um corolrio deste teorema que se um dos modelos tem soluo ilimitada,
ento o outro modelo no tem soluo praticvel, pois caso tivesse, seria uma
contradio ao exposto anteriormente.
Corolrio: Se um dos modelos tem soluo ptima e limitada ( = ) entao o

outro modeo no tem soluo praticvel.
7. RELAO ENTRE PRIMAL E DUAL
N Modelo PRIMAL Modelo DUAL

1 (Max) como todas as restries ou = (Min) com todas restries ou =
2 (Min) com todas restries ou = (Max) como todas as restries ou =
3 Restrio Varivel
4 Varivel Restrio
5 Coeficiente da F.O. Constante o lado direito
6 Constante o lado direito Coeficiente da funo objectivo
7 J sima coluna de coeficiente J sima da linha de coeficiente
8 J sima linha de coeficiente J sima coluna de coeficiente
9 J sima varivel 0 J sima restrio (Min) ou (Max)
98
10 J sima varivel irrestrita em sinal J sima com restrio com sinal =
11 J sima com restrio com sinal ou J sima varivel 0
12 J sima restrio com sinal = J sima varivel irrestrita em sinal
Costruir o DUAL do seguinte modelo (PRIMAL no caso)
Min = 31 42 + 3 24
21 + 2 + 23 + 4 = 10
3 + 24 10
. : 4 + 2 4 5
22 + 32 + 3 + 4 5
{21 + 32 + 3 + 4 20
1 , 2 , 3 0
4 Irrestrita em sinal
Antes da aplicao da tabela devemos colocar o modelo PRIMAL dentro das regras que
conformam o uso da tabela. Desta forma sendo o PRIMAL um modelo de minimizao,
faz-se com que todas as restries seja do tipo ou =.
necessrio ento transformar as restries do tipo , multiplicar ambos os membros

por (- 1), entretendo o seu sinal. Recordar que a cada restrio PRIMAL corresponder
uma varivel no DUAL.
Assim sendo transformado o PRIMAL, teremos:
Min = 31 42 + 3 24
21 + 2 + 23 + 4 = 10 1
3 + 24 10 2
. : 4 + 2 4 5 3
22 + 32 + 3 + 4 5 4
{21 + 32 + 3 + 4 20 5
1 , 2 , 3 0
Pode-se agora aplicar a tabela e construir o modelo DUAL:
Max = 101 102 53 + 54 205
99
21 + 3 + 24 5 3 1
1 3 + 34 35 4 2
. : 2 1 2 + 4 5 1 3
{ .
2 , 3 , 4, 5 0
8. VALOR PTIMO DAS VARIVEIS DO MODELO DE DUAL
Ao assumirmos que o PRIMAL foi resolvido por Max teremos que:
a) Y = Z (teorema DUAL)
b) O valor ptimo da varivel igual ao coeficiente da varivel de folga da j-
sima restrio da equao (0) do sistema Primal.
Propriedade adicional
O coeficiente da varivel na equao (0) do sistema ptimo PRIMAL igual a

diferena entre os lados esquerdo e direito da j-sima restrio dual associada.
Em relao os modelos anteriores vimos no inicio da analise de sensibilidade que:
Max = 41 + 52 + 33 ()
1 + 22 + 22 100 ( )
. {61 + 62 + 43 360 (2
81 + 42 + 43 400 (
O DUAL teria a forma:
Min = 1001 + 3692 + 4003
1 + 62 + 83 4
{21 + 62 + 43 5
21 + 42 + 43 3
De soluo (F) 0ptima podemos tirar os valores:
= = 280
1 =Coeficiente de 1 em (0) = 1
1
2 = Coeficiente de 2 em (0) = 2
3 = Coeficiente de 3 em (0) = 0
100
O coeficiente de 1 na equao (0) 0. Se a propriedade valida, a diferena os lados
esquerdo e direito da 1 restrio do modelo DUAL tem que ser igual a 0 (zero).
Restrio dual 1 + 62 + 83 4
Lado esquerdo 1 + 62 + 83
Lado direito 4

Pela propriedade L (equao) = L(div.); usando os valores ptimos dos
1
Lequ = 1 + 6 2 + 8 0 = 4
Lequ = 4 4 = 0
Exerccios: Verificar a propriedade para os coeficientes de 1 2 N
9. O SIGNIFICADO DE ECONMICO DOS VALORES OTIMOS DAS

VARIVEIS DO MODELO DUAL
Voltemos ao modelo:
Max = 41 + 52 + 33 ( )
1 + 22 + 23 100 ( )
. {61 + 62 + 43 360 ( 2
81 + 42 + 43 400 (
= 280; 1 = 20; 2 = 40; 3 = 0
MODELO DUAL
Min = 1001 + 3692 + 4003
1 + 62 + 83 4
{21 + 62 + 43 5
21 + 42 + 43 3
101
1
= 280; 1 = 1; 2 = ; 3 = 0
2
Recorde que: = = 3=1 3=1 disponibilidade

de insumos (matria prima rea para rea de estacagem e mo de obra) pelo valor das
variveis do modelo DUAL.
Do ponto ptimo teremos:
Min = 1001 + 3062 + 4003 = 280
Suponhamos que est a oferecer uma unidade adicional de matria-prima (1kg).

Devemos ou no adqiro?
Se o adquirirmos passaramos a ter 101 kg, ou seja na F.O. teramos:
= 1011 + 3602 + 4003
Com 1 = 1 o lucro em tese aumentaria $10 o que poderia justificar a compra de mais
de um kg de matria-prima. Entretanto se o custo de compra deste kg adicional fosse
por exemplo: $3, estaramos na verdade a ter um prejuzo $2 ao invs de aumentar o
lucro.
Assim sendo a resposta sim, desde que o preo de compra deste kg adicional seja
menor que $1.
Pergunta: Qual o significado do vector ptimo de uma varivel no modelo DUAL?
Resposta: o limite que se deve pagar por uma unidade adicional do recurso associado
a varivel.
Nota: Por terem este significado, os valores ptimos das variveis do modelo DUAL
so chamados de VALORES IMPLICITOS (SHADOW PRICES em ingls).
Os valores implcitos de aquisio de 12 de rea para a estacagem $0,05; que e o valor

ptimo de 2 (varivel associada a restrio do espao para a estacagem na 2 restrio).
O valor lcito para a mo-de-obra (homens hora) zero (valor ptimo de 3 ). Este valor
coincide com analise j feita anteriormente, pois, como ao existe folga nesta restrio,
ou seja, no se esta a utilizar toda mo-de-obra disponvel no existe nenhum ganho em
adquirir mais mo-de-obra, mesmo sem custo, ou seja sobraria mais.
10. ANLISE DE SENSIBILIDADE USANDO MODELO DUAL.
Pergunta: Qual intervalo para o coeficiente de 3 na funo objectivo que matem a

soluo (F) como soluo ptima?
O coeficiente de 3 e 3. Seja 3 + o coeficiente de 3 .
102
Vamos fazer esta anlise usando o DUAL:
A mudana no coeficiente de3 indica que no DUAL da 3 restrio fique na forma:
21 + 42 + 43 3 +
Substituindo pelos valores ptimo do DUAL teremos:
1
21+4 +4 3+
2
1
Neste caso, se 1, a 3 restrio do DUAL violada, ou seja deixa de ser praticvel.

Como uma soluo antes de ser ptima tem de ser praticvel, o ptimo DUAL deixa de
ser ptimo e consequentemente o ptimo PRIMAL tambm deixas de ser ptimo pois,
como vimos, as solues ptimas so as mesmas.
O uso do modelo DUAL permite que outras anlises sejam realizadas
11. INCLUSO DE UMA NOVA VARIVEL
Suponhamos que no nosso exemplo seja adicionado uma nova varivel cujos
coeficientes so 3 na 1 restrio, 6 na 2 e 4 na terceira restrio.
O lucro unitrio deste novo produto 8, ou seja, o coeficiente de na FO.
Pergunta: Com esta nova varivel a soluo ptima (F) continuaria a ser ptima?
O novo modelo ter a forma:
Max = 41 + 52 + 33 + 8
1 + 22 + 23 + 3 100
. { 61 + 62 + 43 + 6 360
81 + 42 + 43 + 4 400
No modelo DUAL teremos uma nova soluo, ou seja:
1
31+6 +40 8
2
6 0 (falso)
Logo como a restrio DUAL violada o ptimo DUAL deixa de ser ptimo pois deixa
de ser praticvel. Como consequncia, ptimo principal (F) tambm deixa de s-lo.
Pergunta: Como determinar a nova soluo ptima?
103
necessrio colocar os coeficientes de na equao (0). Ele ser igual a diferena
entre os dados esquerdo e os dados direitos da restrio DUAL associada, ou seja
usando-se os antigos valores ptimo do DUAL:
1
= 31 + 62 + 43 = 3 1 + 6 + 4 0 = 6
2
= 8
O coeficiente de em (0) = = 6 8 = 2
Para determinar os coeficientes de nas restries do sistema (F), usaremos um

artifcio matemtico baseado nas propriedades do sistema de equao lineares, que
construir uma funo que resolvida, d os coeficientes de tanto no sistema inicial,
como em qualquer outro.
Sabendo que os coeficientes das variveis de folga formam uma matriz identidade no
sistema inicial, podemos escrever:

= 3 + 1 + 6
2 + 4
3 .
Verifiquemos se a funo funciona na funo (I)
(1) = 3 1 + 6 0 + 4 0 = 3
(2) = 3 0 + 6 1 + 4 0 = 6
(3) = 3 0 + 6 0 + 4 1 = 4
Para achar os coeficiente de no sistema (F) basta aplicar a mesma funo:
1
(1) = 3 1 + 6 + 4 0 = 2
6
1
(2) = 3 (3) + 6 + 4 0 = 1
3
(3) = 3 4 + 6 2 + 4 1 = 4
Escrevendo novamente o sistema, teremos:
104
1
(0) + 3 + 1 + 2 2 = 280
2
4 1
(1)2 + 3 + 1 2 + 2 = 40
() 3 6
2 1
(2)1 3 1 + 2 = 20
3 3
{ (3)43 + 41 22 + 3 + 4 = 80
=0
2 = 40
3 = 0
{1 = 20 { = 280
3 = 0
3 = 80
= 0
Exerccio: Prosseguir com o simplex e achar a nova soluo ptima.
Rep: = 320; 1 = 40; = 20
12. ANLISE DE SENSIBILIDADE DOS COEFICIENTES DAS RESTRIES

DE VARIVEL NO BSICA NA SOLUO PTIMA.
seja que o coeficiente da varivel 3 na 1 restrio 2 + em vez de 2.
Pergunta: Para que valores de soluo (F) continuara a ser a ptima?
No DUAL a 3 restrio ser:
(2 + )1 + 42 + 43 3
A soluo (F) continuar a ser ptima se a restrio DUAL continuara a ser praticvel.
Substituindo pelos valores ptimo teremos:
1
(2 + ) 1 + 4 + 4 0 3 1
2
Assim sendo, se 1 , ou seja se o coeficiente de 3 na 1 restrio for menor que 1,
a restrio DUAL violada, logo a soluo DUAL deixa de ser ptimo pois deixa de ser
praticvel. Pelo teorema DUAL o ptimo PRIMAL tambm deixa de ser ptimo.
EXERCCIOS PROPOSTOS DE ANLISE DE SENSIBILIDADE
A) Seja o seguinte modelo de P. Linear:

(Max) = 41 + 52 + 114
.
1 + 2 + 3 + 4 15
71 + 52 + 33 + 24 120
31 + 52 + 103 + 154 100
0
105
(0) 41 52 93 114 = 0
(1)1 + 2 + 3 + 4 + 1 = 15
(1)
(2)71 + 52 + 33 + 24 + 2 = 120
{(3) 31 + 52 + 103 + 154 + 3 = 100
1 =0
1 = 15
=0
{2 = 120 { 2
3 =0
3 = 100
4 =0
=0
Varivel entrante:4 Varivel sainte 3

9 4 5 11 220
(0) 1 2 3 + 3 =
5 3 3 15 3
4 2 1 11 25
(1) 1 + 2 + 1 + 1 3 =
(2) 5 3 3 15 3
33 13 5 2 320
(2) 1 + 2 + 3 + 2 3 =
5 3 3 15 3
1 1 2 1 20
{ (3) 5 1 + 3 2 + 3 3 + 4 + 15 3 = 3
25
1 = 1 = 0
3
320 =0
2 = { 2
3 3 = 0
20 4 = 0
{ 4 = 3
220
=
3
Varivel entrante:3 Varivel sainte4
3 11 13 5 695
(0) + 2 4 1 + 3 =
7 7 7 7 7
5 5 10 1 50
(1)1 + 3 1 + 1 3 =
(2) 7 7 7 7 7
7 13 61 4 325
(2) 2 + + 2 3 =
6 7 4 7 1 7 7
2 12 3 1 55
{ (3) 7 2 + 3 + 7 4 + 7 1 + 7 3 = 7
50
1 = 2 = 0
7
325 = 0
2 = { 4
7 1=0

55 3 = 0
{ 4= 7
106
695
=
7
Responda as seguintes perguntas relativas ao modelo acima:
a. Considere que o coeficiente original de 2 na funa objrctivo 34/7 em

vem vez de 5. Calcule os coeficientes de 2 na equao (0) em cada uma das
interaces do simplex.
b. Responda ao exerccio anterior para um coeficiente de 37/7 em vez de 5.
c. Considere que o coeficiente de 4 na funo objectiva original 10n, em
vez de 11. Qual o coeficiente de 4 na equaa (0) do sistema (F)?
d. Responda ao exerccio anterior para um coeficiente igual a 12 em vez 11.
e. Considere que a constante do lado direito (CLD) na equao (2) de (I) 100
em vez de 120. Calcule a CLD em todas as equaes em cada interaco do
simplex.
f. Considere que CLD na equao (1) de (I) 11 em vez de 15. Calcule as
CLD em todas as equaes da soluo (F). Ela continua otima.
g. Em cada um dos itens abaixo, modifique o modelo como indicado, e escreva
o modelo Dual.
a) A funo objectivo Max 71 + 82 + 73 + 134
b) As CLD nas equaes (1),(2) e (3) so30, 80 e 115 respectivamente
c) Os coeficientes de 3 nas equaes (1), (2) e (3) so 1, 4 e 9
respectivamente.
d) Os coeficiente de 2 nas equaes (0), (1) e (3) so -3, 1 , 6, -9
respectivamente.
e) H uma varivel adicional, 5 tendo coeficientes iguais 13, 1, 1, e 18
na equaes (0), (1), (2) e (3) respectivamente.
h. Ache o valor mximo otimo da funo objectivo se as CLD nas equaes
(1), (2) e (3) so respectivamente.
i. Suponha que o coeficiente de2 na equao (3) (5 + ). Qual o menor
valor que modo que a soluo (F) permanea otima?
j. Suponha que o coeficiente 2 na equao (1) (1 + ). Qual menor valo
que pode assumir de modo eu a soluo (F) permanea otima?
k. Suponha eu adicionamos a varivel 5 tendo os coeficientes 1,2 e 3 nas
equaes (1), (2) e (3) respectivamente qual o maior valor possvel para o
coeficiente de 5 na funo objectivo de maneira que a soluo (F)
permanea otima?
l. Responda ao exerccio anterior considerando que o coeficiente da varivel
5 na equao (3), 16em em de 3.
B) Considere o seguinte o modelo:
(0)() 21 2 + 33 24
.
(1)1 + 32 3 + 24 7
(2)1 22 + 43 12
(3)1 42 + 33 + 84 10
107
0
Se acrescentarmos 1 , 2 3 como variveis de folga obteremos, aps aplicar o
simplex, o seguinte sistema (F) final:
5 12 1 4
(0) + 1 + 5 + 1 + 2 = 11
5 5 5 5
3 4 2 1
(1) 1 + 2 + 4 + 1 + 2 = 4
10 5 5 10
1 2 1 3
(2) 1 + 3 + 4 + 1 + 2 = 5
10 5 5 10
1 1
(3) 1 + 104 + 1 2 + 3 = 11
2 2
1. Qual a soluo otima? nica?

2. Qual o Lower e o Upper Limit para o coeficiente de 1 na funo objctivo?
3. Idem para 4 .
4. Idem para cada CLD
5. Escreva o modelo Dual
6. Qual a soluo otima Dual? Rsponda os itens 2 e 3 usando o modlo Dual.
7. Suponha que novas variaveis 5 e 6 so adicionadas ao modelo. Os coeficiente
de 5 so -2, 5, -3 e 2 na equao (0), (1), (2) e (3) respectivamentee os de 6
so -4, -2, 10 e 12 a souo (F) continua otima.
8. Suponha que o coeficiente de 1 na equao (1) (1 + ). Qual o menor valor
para que mantm a soluo (F) otima? Qual o maior?
9. Suponha que o coeficiente de 1 na equao (2) (1 + ). Qual o menor
valor para que mantm a soluo (F) otima? Qual o maior?
C) Cosidere o seguinte modelo:

() =
=1
s.a
1 + 1
1 + = 2, ,
0
i. Monte o mdelo para T=5, onde1 = 8, 2 = 7, 3 = 10, 4 = 10 5 = 2.
ii. Chamando o modelo acima de Dual,monte o Primal.
iii. Resolva o Primal pelo Simplex e d a soluo otima Dual.
iv. Ache os valores otimo Primal e Dual quando 1 = 9 em vez de 8.
D) A companhia Mveis Fino S/A fabruca varios tipo de mveis inclusive mveis
rsticos paara casas de campo actualmente eles fabricam 3 produtos na linha dr
produo de mveis rsticos: uma cadeira de balano, um banco de jardim e
uma mesa de jantar.
Este produtos so fabricados em 2 etapas envolvndo a seco de corte de
madeira e a seco de montagem de mveis.
108
O tempo, em horas, necessario para cada item em cada seco mostrado
abaixo:
Produto
Cadeira Banco Mesa Capacidade
(Horas)
Seco de Corte 1,2 1,7 1,2 1.000
Seco de 0,8 0 2,3 1.200
Montagem
O lucro que a moveis Fino S/A recebe pela fabricao e venda de cada unidade
$3 para cadeira $3 para o banco e $5 para mesa.
A companhia esta tenando planejar a sua produo para o proximo ms. Como a
procura miuto grande por este tipo de mveis, qualquer quantidade que venha
a ser produzida ser vendida.
A produo esta limitada, no entanto, pelas horas disponveis nas sces de
corte e montagem, alem da quantidade da madeira disponvel para este tipo de
mveis.
No proximo ms a companhia dispor de somente 2.0003 de madeira para
fazer os mveis da linha rsticas sendo que cada madeira gasta 2 3 cada
banco 3 3 e cada mesa 4,5 3 .
De maneira a determinar a produo otima do proximo ms foi formulado o
seguite modelo de P. Linear:
() 31 + 32 + 53
.
1,21 + 1,72 + 1,23 1000
0,81 + 2,32 + 33 1200
21 + 32 + 4,53 2000
0
Onde:
1 n de cadeiras a serem fabricadas no proximo ms.
2 idem, bancos.
3 idem mesas
O modelo foi submetido ao simplex, obtendo-se o seguite sistema final:
83 7 4 8300
(0) + 2 + 4 + 2 =
60 6 5 3
27 3 2
(1)1 + + = 700
20 2 2 1 5 3
37 1 3 1000
(2) 2 + 1 + 2 3 =
30 3 5 3
1 2 2 400
(3) 2 + 3 2 + 3 =
{ 15 3 5 3
Responda as sguintes questes:
109
1. Qual a produo otima para o proximo ms?
2. Um distribuidor local esta oferecendo a Mveis Finos S/A, madira adicional a
0,60 3 . Deve a companhia comprar? (justifique)
3. O departamento de vendas sugeriu que sugeriu que um novo modelo de banco fosse
produzido. Cada unidade deste novo modlo de banco necessita de 1,8 horas da
seco de corte 0,5 horas na seco de motagem, alem de consumir 1.3 3 .
Que lucro deve ter este novo produto para que seja atrativo produz-lo?
4. Se o lucro da cadeira diminuisse para $2,50 qual deveria ser o plano de produo e
o lucro para o proximo ms?
E) Uma de aparelho de TV produz 4 modelos: Um modelo preto e braco, porttil,
chamado Sport; um modelo preto e braco no porttil, chamado Standard; um
modelo acores, porttil, chamado Viajante e o modelo a cores, no porttil,
chamado Super.
Cada modelo consome tempo para sua motagem e teste. As necessidades de tempo
para a montagem e teste, assim como o tempo disponvel so mostrado abaixo:
Modelo Modelo Modelo Model Total

Sport Standar Viajante o Horas
d Super disponvel
Tempo de montagem 6 10 12 15 2.000
(hr)
Tempo de teste (hr) 2 2 4 5 500
Lucro unitrio ($) 40 60 80 100
Devido a uma greve h falta de imagem. O fornecedor de tubos de imagem disse

que a sua que a sua produo esta desorganizada e que no poder fornecer mais do
que 180 tubos de imagem no proximo ms, sendo que deste 180, no mnimo 100
tero que ser a cores. Fazendo:
1 n de televisores modelo Sport a serem fabricados no proximo ms.
2 idem, para modelos Standard.
3 idem, para modelos Viajante.
4 idem, para modelos Super.
Podemos construir um modelo de P. Linear para resolver o problema:
() 401 + 602 + 803 + 1004
.
61 + 102 + 123 + 154 2000
21 + 22 + 43 + 54 500
1 + 2 + 3 + 4 180
3 + 4 100
0
Introduzindo as variaveis de folga aplicando o simplex de 2 fases chegamos ao
seguinte sistema:
110
(0) + 201 + 104 + 302 + 404 = 11000
(1) 41 24 + 1 54 84 = 300
1 1
(2)1 + 2 + 4 + 2 + 24 = 50
2 2
1 1
(3) 4 2 + 2 4 = 30
2 2
(4)3 + 4 4 = 100
a. Que modelos de televisores devem ser fabricadas no proximo ms? Em que

quantidade?
b. Se por qualquer problema s foi possivel ter 1.800 horas para a montagem a
resposta do item 1 continua valida?
c. Suponha que 0 horas adicionais de teste possam ser obtidas externamente por
$4/horas. Isto deve ser feito? Poque?
d. Suponha que o lucro do modelo Sport seja alterado de $40 para $45. Qual deveria
ser o novo esquema de produo?
e. A gerencia esta considerandoa introduo de um novo modelo colorido chamado
Matador. Cada unidade deste novo modelo ncessita de 10 horas de montagem e 3
horas de teste. O lucro unitrio deste novo modelo ser $70. Deve-se ou no
produzir o novo modelo? Porque?
Obs: Como a procura muito grande, qualquer modelo produzido, preto e branco
ou colorido, ser vendido.
Uma mercenaria produz 4 tipos de armrio embutidos. Para fazer cada armrio, 3
peraes basicas so realizadas: corte de madeira montagem do armrio e acabamento.
A capacidade de produo da mercenaria est limitada em 900 horas para corte, 800
horas para para a montagem e 480 horas para acabamento.
O objectivo da firma maximizar o seu lucro. Fazendo-se 1 ser o nmero de armrio a

serem produzido do modelo , teremos:
() = 901 + 1602 + 403 + 1004

.
21 + 82 + 43 + 24 480 ()
51 + 42 + 8 + 54 800 ()
71 + 82 + 33 + 54 900 ()
0
Usando o simplex chegamos ao seguinte sistema timo:
111
25
(0) + 101 + 1305 + + 152 = 18000
2 1
1 5 1
(1)1 + 3 + 1 2 = 25
8 32 16
3 1 1
(2)1 + 3 + 4 1 + 2 = 140
2 8 4
11 5 3
(3) 21 3 1 2 + 3 = 0
2 8 4
1. Qual o modelo Dual e a soluo timaDual?
2. Qual deveria ser o lucro de 3 para ele deixasse de ser igual a zero na soluo
tima?
3. Para que intervalo na capacidade da seco de montagem, a soluo tima
permanece otima?
4. Deve ser fabricado ou no, um novo modelo de Armrio que necessita 20 horas
de corte, 3 horas de montagem e 2 horas de acabamento por cada unidade
produzida, dando um lucro de $120? (justifique)
G) Formular o Dual para o modelo abaixo:
Min = 31 52 + 43 54
s.a
1 + 2 4 + 4 11
1 3 +4 12
1 + 2 +3 +4 = 18
41 52 3 19
1 , 2 , 3 , 4 0
H) Considere o seguinte modelo deP. Linear:
(Max) = 101 + 152 + 53
s.a
21 + 2 6000
31 + 32 +3 9000
1 + 22 +23 4000
1 , 2 , 3 0
Submetido ao simplex foi encotrada a seguinte solua fina:
20 5
(0) + 3 + 2 + 53 = 35000
3 3
(1)3 + 1 2 + 3 = 1000
4 2
(2)1 3 + 2 3 = 2000
3 3
5 1
(3)2 3 2 + 3 = 1000
3 3
1. Qual o Lower e o Upper Limitpara os coeficientes de 1 , 2 3 na funo
objectivo?
2. Idem para CLD das 3 restries
112
I) Considere o seguinte modelo de P. Linear:
(Max) = 21 32 + 63
s.a
31 42 63 2
21 + 2 +23 11
1 + 32 23 5
0
Submetido ao simplex foi encontrado o seguinte sistma final:
(0) + 41 + 62 + 33 = 33
(1) 91 2 + 1 32 = 35
1 1 11
(2)1 + 2 + 3 + 2 =
2 2 2
(3) 31 + 43 + 2 3 = 16
Onde a variavel de folga de restrio .
Responda as perguntas abaixo:
1. Qual o valor minimo para o coeficiente de 1 na fuo objectivo que altera a

soluo tima?
2. Qual o intervalo de variao para a cosnstante do lado dirito da 3 restrio
quem matem a actual soluo tima como tima?
3. Suponha que uma nova variavel 4 seja adicionada ao modelo original com
coeficiente 4, 4, -3 e 1 respectivamente na funo objectivo e restries. A
soluo otima continua a mesma? (justifique)
4. Como ficaria o sistema final acima se esta variavel 4 estivesse no modelo?
Respostas dos exerccios da anlise de sensibilidade
Exerccio A
1) 2521 ; 1342 ; 47
2) 3421 ; 542 ; 1 7
3)18 7
4)4 7
5) Somente a CLD na equao (2) alterada
2603 ; 107 ; 5697 ; 677 ;
113
7) O Dual do problema original :
(MIN) = 151 + 1202 + 1003
1 + 72 + 33 4
1 + 52 + 53 5
1 + 32 + 103 9
1 + 22 + 153 11
(a) Troque as CLD para 7,8,7 e 13.

(b) Trque as fues objectivo para:
(MIN) = 301 + 802 + 1553
(c) Troque a equao (3) para:

1 + 42 + 93 9
(d) Troque a equao (2) para:

1 + 62 93 3
(e) Adicione:
1 + 2 + 183 13
8) () 7087 )100
3
9) 5
3
10) 13
11) 4
12) 93/7
Exerccio B
1) = 11 2 = 4 3 = 5 3 = 11
3
2) [, 5
2
3) [, 5]
4) )[3; ]
14
c) [ = 34]
3
d) [1; ]
5)
(MIN) = 71 + 122 + 103
114
s.a
1 2 3 2
31 22 43 1
1 + 42 + 33 3
21 + 83 2
0
1 4
6) 1 = 2 2 = 5 3 = 0 = 11
7) Sim
8) -7
9) -7/14;
Exerccio C
1) (MIN) = 1 + 2 + 3 + 4 + 5
s.a
1 + 5 8
1 + 2 7
1 + 3 10
3 + 4 10
4 + 5 2
2) (MAX) = 81 + 72 + 103 + 104 + 25
s.a
1 + 2 1
2 + 3 1
3 + 4 1
4 + 5 1
1 + 5 1
3) = 372 1 = 12 2 = 12 3 = 12 3 = 12 4 = 12 5 = 1 2
= 372 1 = 132 2 = 12 3 = 192 4 = 12 5 = 3 2
4) = 19 1 = 7 2 = 0 3 = 0 4 = 10 5 = 2
Exerccio D
115
1 = cadeiras =700
2 = bancos = 0
400
3 = Mesas = 3
8300
=
3
Otimizao
Matemtica
O problema dos Transportes
O problema de afetao
Optimizao em Redes
Certezas e incertezas
116
O Docente: Jos AntnioFazenda
TEMA NOVE:
O PROBLEMA DOS TRANSPORTES
1. NOES GERAIS
O problema dos transportes um caso particular dos problemas de programa
matemtica e utilizado sempre que nos deparamos com um produto homogneo, dado
por um conjunto de um centro de oferta ou origens e procurado por outro conjunto de
centros de procura ou destinos, desde que:
Se pretenda transportar o produto dado dos centros de oferta para os centros de procura.
Seja nosso objectivo, encontrar a oferta mais barata ou mais rpida de o fazer.
1.1.Um exemplo de problema de transporte
Uma empresa tem 4 padarias e pretende distribuir o po que produz diariamente por 6
pastelarias 8 exploradas. As 4 padarias tm capacidade diria de produo de
300,400,400 e 500 pes respectivamente.
Entretanto, o consumo de po nas pastelarias estima-se em 250,360,280,200,250 e 200

por dia os custos de transportes por unidade, de cada uma das padarias para cada uma
das pastelarias, constam a seguinte tabela:
Pastelarias
Padarias 1 2 3 4 5 6 Oferta total
01 3 2 5 1 1 3 300
0 2 2 4 3 2 5 400
0 5 4 2 4 5 1 400
0 3 4 3 4 3 2 500
117
Procura 250 360 280 200 250 200
O objectivo determinar o melhor plano de distribuio do po por forma de

minimizao os custo de transportes. As restries do problema, relacionam-se quer
maximizao da que de po a produzir quer a minimizao do consumo em cada
pastelaria.
O quadro anterior pode simplificar no seguinte diagrama:
01 300 250 1
02 400 360 2
400 280 3
4 500 200 4
111226 250 5
6
200
Consideremos que devemos transportar um nico produto homogneo desde m origens
ou pontos de embarque at n destinos que podem ser armazns ou fbricas.Denotemos
por a1,a2, , am as ofertas ou quantidade de produtos disponvel e por b1, b2, , bn a
procura ou necessidades existentes deste produto em n destinos. possvel transportar
este produto a partir de qualquer origem para qualquer destino sendo Cij o custo de
transportao de uma unidade de produto desde a origem i at ao destino j.
Neste caso em que se supem que a oferta existente nas origens igual a procura nos
destinos, o objectivo determinar as quantidades de produto que deveram ser enviadas
desde cada origem at a cada destino de forma que se satisfaa a procura existente e se
esgotem as ofertas das origens a um custo mnimo de transportao.A situao que
descrevemos atrs, pode ser representada mediante o esquema que segue, tambm
conhecido como fluxograma.
118
a1 b1
a2 b2
a3 b3
Am bn
NOTA: Para concluir pode-se dizer que, desde que a oferta total seja igual a procura
total, o problema de transportes tem sempre soluo.
Analisemos o exemplo anterior:
311 + 212 + 513 + 14 + 15 + 316
+221 + 222 + 423 + 3 24 + 225 + 526
+531 + 432 + 233 + 434 + 535 + 36
+341 + 442 + 343 + 4 44 + 345 + 246
11 + 12 + 13 + 14 + 15 + 16 300 Restries
21 + 22 + 23 + 24 + 25 + 26 400 de
31 + 32 + 33 + 34 + 35 + 36 400 oferta
41 + 42 + 43 + 44 + 45 + 46 500
11 + 21 + 31 + 41 250
12 + 22 + 32 + 42 360 Restries
13 + 23 + 33 + 43 280 de
14 + 24 + 34 + 44 200 procura
15 + 25 + 35 + 45 250
16 + 26 + 36 + 46 200
119
11 , 12 , 13 , 14 , 15 , 16 0
21 , , 23 , 24 , 25 , 26 0 Restries
31 , 32 , 33 , 34 , 35 , 36 0 de no
41 , 42 , 43 , 44 , 45 , 46 0 negatividade
Neste caso, oferta total das padarias igual a 1600 pes enquanto as 6 pastelarias
procuram 1540 pes, devemos criar uma pastelaria fictcia que consuma os 60 pes
excedentes. Assim sendo:
. = 311 + 212 + 513 + 14 + 15 + 316 + 017
+221 + 222 + 423 + 3 24 + 225 + 526 + 027
2. FORMULAO DE UM PROBLEMA DE TRANSPORTES
Seja:
0
o custo de transporte de uma unidade de produto da origem i at ao destino j.
a quantidade de produto disponvel para ser transportada de cada centro de oferta i.
dj a quantidade de produto procurada em cada centro de procura j.
a quantidade de produto a transportar de cada centro de oferta i para cada outro

centro de procura j ao custo unitrio de .
Com estas definies, a formulao genrica do problema ser:

0 0 0 0
= 11 11 + 12 12 + 13 13 + + 14 14
0 0 0 0
+21 21 + 22 22 + 23 23 +. . . +24 24 +
0 0 0 0
+ 1 1 + 2 2 + 3 3 +. . . +,4 4
S.a
11 + 12 + 13 +. . . + 14 1
21 + 22 + 23 +. . . + 24 2 Restries
de
1 + 2 + 3 +. . . + 4 4 oferta
120
11 + 21 + 31 +. . . + 1 1
12 + 22 + 32 +. . . + 2 2 Restries
de
1 + 2 + 3 +. . . + 4 4 procura
11 , 12 , 13 , . .. , 14 0
21 , 22 , 23 , . . . , 24 0 Restries
da
1 , 2 , 3 , . .. , 0 no negatividade
Simplificadamente:

0
=1 =1
. : ; = 1, ,
=1
; = 1, ,
=1
0 ; = 1, , ; = 1, ,
3. ARRANJOS NA FORMA GENRICA
Por norma o problema s ter soluo se a quantidade total de procura no exceder a

quantidade total de oferta, ou seja se =, =1
NOTA: Na vida real compreende-se que soluo passar a transportar o possvel,

deixando um ou mais outros de oferta com quantidades de escoar.
121
Se o total do produto a oferecer for superior ao total do produto procurado, ento a
quantidade total a transportar ser apenas o limite dos produtos procurados ficando
alguns produtos em stock, na origem.
Se o total de produtos a oferecer for inferior ao total do produto procurados, ento a

quantidade total a transportar ser apenas o limite do produto oferecido, ficando alguma
procura por satisfazer.
Desta forma para conseguir-se que a oferta total seja igual a procura total deve-se criar
um destino fictcio quando a oferta total e superior a procura total ou uma origem
fictcia sempre que a procura total seja superior a oferta total.
Os custos de transporte das unidades que saem da origem fictcia ou que entram para o
destino fictcio sero nulos. As quantidades transportadas caminhos
fictcioscorrespondem a oferta que fica por utilizar ou a procurar que fica por
satisfazer.
A partir do momento em fica garantido que =1 =1 , pode-se formular o

problema de transporta com todas as restries sob forma de igualdade, pois assegura-se
que toda quantidade oferecida ter destino e que toda quantidade procurada ser
satisfeita. Diz-se ento que o problema esta equilibrado.
Simbolicamente tem-se:
0 0 0 0
= 11 11 + 12 12 + 13 13 + + 14 14
0 0 0 0
+21 21 + 22 22 + 23 23 +. . . +24 24
0 0 0 0
+ 1 1 + 2 2 + 3 3 +. . . +,4 4
S.a.:
11 + 12 + 13 + + 14 = 1
21 + 22 + 23 +. . . + 24 = 2
1 + 2 + 3 +. . . + 4 = 4
11 + 21 + 31 +. . . + 1 = 1
12 + 22 + 32 +. . . + 2 = 2
1 + 2 + 3 +. . . + 4 = 4
122
11 , 12 , 13 , . .. , 14 0
21 , 22 , 23 , . . . , 24 0
1 , 2 , 3 , . .. , 4 0
OBS: 1 + 2 +. . . + = 1 + 2 +. . . +4
Simbolicamente:

0
=1 =1
. . : = ; = 1, ,
=1
= ; = 1, ,
=1
0 = 1, , ; = 1, ,
Em que:
=1 =1 = .
4. PROPRIEDADES DO MODELO DE TRANSPORTE
Teorema n1: O modelo de transporte tem duas solues possveis.
Demonstrao: devemos demonstrar que existe xij ; i 1,..., m; j 1,..., n
n m m n
Tal que: xij b j ; xij ai sendo que
j 1 i 1
ai
i 1
b j 1
j A(oferta e procura )
ai b j n b j
ai . A
Seja xij
A
i, y ento xij 0 sendo que: x
j 1
ij ai
j 1
A

A
ai
m m ai b j m
ai b j . A
xij
i 1 i 1 A
bj
i 1 A

A
bj
123
Teorema n2: No modelo de transporte, qualquer uma das equaes do sistema de
restries pode ser expressa como combinao linear das restantes.
Demonstrao:
Sabemos que o sistema de equaes lineares do modelo de transporte :

n m
xij b j
j 1
x
i 1
ij ai ; i 1,, m; j 1,, n
Desta forma podemos escrever:
x11 x12 x1n a1

x x x a
21 22 2n 2

xm1 xm 2 xmn a
m
x11 x21 xm1 b1

x x x b
12 22 m2 2

x1n x2 n xmn b
n
A demonstrao no perde generalidade se por exemplo verificarmos que a primeira

equao se pode expressar como combinao linear das restantes.
Com efeito, se somarmos as n equaes do segundo tipo de restries obteremos:
x11 x12 x1n x21 x22 x2n xm1 x2m xmn b1 b2 bn

Equao A. Se somarmos as equaes do primeiro tipo de restries a partir da segunda
equao obteremos uma nova equao que chamaremos de B ou seja:
x21 x22 x2n xm1 xm2 xmn a2 am B

A B x11 x12 x1n x21 x22 x2n xm1 x2m xmn
x21 x22 x2n xm1 xm2 xmn b1 bn a2 a3 am

Ou seja
n m
x11 x1n b j ai a1 obteremos a primeira equao. Como A B
j 1 1 2
124
Como A combinao linear das equaes do segundo tipo e B combinao linear de
m-1 equaes do primeiro tipo (no se inclui a primeira), ento A B combinao
linear das equaes do sistema a partir da segunda.
Como a primeira equao igual a A B, ento fica demonstrado que a primeira

equao se pode expressar como combinao linear das restantes m+n-1 equaes do
sistema. Como consequncia desta demonstrao, podemos afirmar que nos problemas
de transporte, uma das equaes do sistema redundante e portanto se pode eliminar
ficando ento o modelo com nxm variveis e n+m-1 restries.
TERCEIRO TEOREMA (construo de uma soluo bsica possvel)
O problema de transporte admite uma soluo, quanto mais m+n-1 variveis positivas.
Demonstrao:
Consiste em indicar um procedimento para obter uma soluo bsica possvel. Este
procedimento denomina se mtodo da esquina noroeste e foi proposto por Dantzig.
Vemos detalhar o mtodo para um sistema de trs origens e quatro destinos, ou seja:
x11 x12 x13 x14 a1

x21 x22 x23 x24 a2
x31 x32 x33 x34 a3
b1 b2 b3 b4
Determinemos um valor para x11 (esquema noroeste). X11=Min (a1.b1). se x11=a1, ento
x1j = 0;
J= 2, 3, 4. Se x11 = b1, ento xij = 0; i = 2, 3.
Primeiro passo: x11 = a1
a1 0 0 0 0
x21 x22 x23 x24 a2
x31 x32 x33 x34 a3
b1 a1 b2 b3 b4
Seguidamente passam a determinar X21=Min (a2,b1-a1). Suponhamos que Min (a2.b1

a1) = b1 - a1, ento teremos a tabela do segundo passo:
Segundo passo:
125
a1 0 0 0 0
b1 a1 x22 x23 x24 a2 b1 a1
0 x32 x33 x34 a3
0 b2 b3 b4
Seguidamente detalha se os passos seguintes:
Terceiro passo: suponhamos que a2 - b1+a1 = b2
a1 0 0 0 0
b1 a1 b2 x23 x24 a2 b1 a1 b2
0 0 x33 x34 a3
0 b2 b3 b4
Quarto passo: Supe se que a2 b1+a1- b2< b3
a1 0 0 0 0
b1 a1 b2 a2 b1 a1 b2 x24 a2 b1 a1 b2
0 0 x33 x34 a3
0 0 b3 a2 b1 a1 b2 b4
Neste caso vemos que: x33 b3 a2 b1 a1 b2
Resumidamente teremos:
x11 a1 x21 b1 a1 x22 b2 x23 a2 b1 a1 b2 x33 b3 a2 b1 a1 b2
x34 b4
Nota se claramente que as suas variveis tem valores positivos. O nmero de equaes
deste modelo 3+4=7, isto , obtivemos uma soluo bsica possvel.
De notar que a1, a2, a3, b1, b2, b3, b4 so nmeros inteiros no negativos e
consequentemente a soluo obtida (como combinao da soma e o resto dos ai e dos
bj), tambm consistir em nmeros inteiros no negativos.
126
Exemplo: Determine uma soluo bsica com: a1=2, a2=4, a3=7, b1=3, b2=2, b3=4, b4=2,
b5=2
2 0 0 0 0 2
1 2 1 0 0 4
0 0 3 2 2 7
3 2 4 2 2
Quarto teorema: Cada conjunto m+n-1 vectores LI do sistema de equaes do modelo

de transporte reduzido pode ser arranjado como uma matriz triangular.
Neste teorema tambm se pode enunciar da seguinte forma: todas as bases do

problema de transportes so triangulares.
A importncia deste teorema radica no fato de facilitar a resoluo destes sistemas de

equaes por mtodos como o de substituio.
Definio: Um sistema de equaes lineares AX = b, triangular se a matriz A se pode

arranjar como uma matriz triangular.
Exemplo: o sistema de equaes anterior ser agora resolvido pelo mtodo de retro
substituio.
1 1 0 0 0 0 0 x11 3
0
1 1 1 0 0 0 x21 4
0 0 1 0 0 0 0 x22 2

0 0 0 1 1 0 0. x23 4
0 0 0 0 1 1 1 x33 7

0 0 0 0 0 1 0 x34 2
0
0 0 0 0 0 1 x35 2
127
x11 x21 3
x21 x 22 x23 4
x22 2
x23 x23 4
x33 x34 x35 7
x34 2
x35 2
x33 2 2 7 x33 3
x23 3 4 x23 1
x21 2 1 4 x21 1
x11 1 3 x11 2
0btivemos assim uma soluo original. Quando o sistema de equaes triangular ento
pelo menos uma equao tem contem apenas uma varivel ( que pode ser isolada
directamente) se substituir este valor no resto das equaes do sistema obtm se pelo
menos uma equao com uma incgnita e assim sucessivamente at achar todas as
variveis e isto consiste precisamente no mtodo de retro substituio.
Quinto teorema: Supondo que ai e bj so nmeros inteiros no negativos, ento todas as

solues bsicas possveis do problema de transportes tm valores inteiros.
Sexto teorema: Existe sempre nos problemas de transporte uma soluo possvel
mnima finita.
Demonstrao: J se demonstrou no primeiro teorema que estes problemas admitem

soluo.
Como os coeficientes das equaes do sistema so no negativos e todos os ai e bj so

no negativos, ento nenhum xij ser infinitamente grande.
De facto, os xij no podem ser maiores que os seus correspondentes ai ou bj. Se ai ou bj

so inteiros ento uma soluo possvel mnima bsica tem valores finitos inteiros.
Mtodos para construo de uma soluo bsica inicial dos problemas de transporte.
O algoritmo de transporte que estudaremos igual ao mtodo Simplex e parte de uma

soluo bsica possvel para comear as iteraes. Vamos tratar de trs mtodos para
construir uma soluo bsica possvel, um dos quais j foi abordado. Estes mtodos so:
I. Mtodo da esquina nordeste (j abordado)

II. Mtodo do custo mnimo por fila
III. Mtodo do custo mnimo por coluna
5. MTODO DO CUSTO MNIMO POR FILA
128
Seja c1k o custo mnimo da primeira fila (se existir mas do que um custo mnimo
seleccionaremos aquele que tenha menor sub ndice j)
Seja x1k = Min (a1,bk)
Se x1k = a1 ento passamos a segunda fila depois de trocar bk por bk a1. Seguidamente
encontramos na segunda fila o escaque que tenha custo mnimo e repetimos o processo
Se x1k=bk , ento trocamos a1 por a1 bk e bk por zero e encontramos o seguinte cij mais
pequeno que na primeira fila repetindo o processo.
Exemplo: Determine uma soluo bsica inicial pelo mtodo do custo mnimo por fila,
no problema cujos dados se oferecem na seguinte tabela:
cij D1 D2 D3 D4 O
O1 8 15 24 12 60
O2 16 25 7 9 70
O3 70 15 24 32 100
D 50 80 30 50 210
Soluo pelo mtodo de custo mnimo por fila
D1 D2 D3 D4 O
O1 8 15 24 12 40
40
O2 16 25 9
7
40 70
30
129
O3 32
70 15 24
10 100
10 80
D 50 80 30 50
Valor da f.o. = 40x8+30x7+40x9+70x10+80x15+32x6
= 320+210+360+700+1200+320
= 3110
Localizamos o escaquecorrespondente ao custo mnimo na primeira fila e neste caso

ser o primeiro escaque, sendo assim:
x11= Min (40,50) = 40
Passamos para segunda fila e localizamos o escaque do custo mnimo na e neste caso
ser x23 , sendo assim: x23= Min (30,50) = 30, nesta mesma fila o escaque seguinte de
acordo com o custo mnimo x24, logo:
x24= Min (70 - 30, 50) = 40
Na terceira fila teremos:
x32 = Min (80,100) = 80
x32 = Min (100 - 80,50 - 40) = (20 10) = 10
x32 = Min (50 - 40,100 - 90) = 10
Assim podemos concluir que estamos diante de uma soluo bsica possvel.
6. MTODO DO CUSTO MNIMO POR COLUNA
Este mtodo anlogo ao anterior, s que aqui o processo decorre nas colunas.
Exemplo: Determine uma soluo bsica inicial pelo mtodo do custo mnimo por
coluna, no problema cujos dados se oferecem na seguinte tabela:
D1 D2 D3 D4 O
O1 8 24 12
15
130
40 40
O2 16 25 9
7
10 30 70
30
O3 70 15 32
24
80 20 100
D 50 80 30 50
X11= Min (50, 40) = 40
x21 = Min (70,50 - 40) = 10
x23 = Min (100 ,80) = 80
x32 = Min (30, 70- 10) = 30
x42= Min (50, 7 30 - 10) = 30
x43 = Min (100 80, 50 - 30) = 20
Valor da f.o. = 40x8+16x10+80x15+30x7+30x9+20x32 = 2800
Estes dois mtodos explicados caracterizam se pelas seguintes propriedades:
A soma das variveis bsicas que aparecem numa fila i, igual a ai, (oferta
correspondente a origem i).
A soma das variveis bsicas que aparecem numa coluna j, igual a bj (procura
correspondente ao destino j).
No total h m + n 1 variveis bsicas j qus nos trs mtodos estudados quando

colocamos uma varivel bsica num escaque (i, j), ento no possvel colocar
simultaneamente mais variveis bsicas na fila e coluna correspondente ao dito
escaque.
Estas propriedades fazem com que a soluo obtida seja bsica e possvel.
7. MTODO STEPING STONE
Ao resolver qualquer mtodo de PL devemos de forma geral esperar que o nmero total
de iteraes requeridas depender do mais prximo que se encontre o valor da FO na
soluo possvel inicial do mnimo real. Como o mtodo da esquina noroeste no
131
considera os coeficientes cij no podemos esperar que o valor da FO numa soluo
inicial pelo mtodo da esquina noroeste se aproxime do mnimo.
Estudaremos o mtodo que toma em conta os cij e que portanto dever der uma soluo
inicial melhor que o mtodo da esquina noroeste.
a. Desenvolvimento do mtodo de Stepping-Stone

O mtodo de stepping-stone chega soluo ptima partindo se uma soluo inicial e
pesquisando se alguma soluo melhor pode ser obtida. Como o mtodo parte de uma
soluo inicial, devemos encontrar uma soluo vivel qualquer para poder utilizar o
mtodo.
Soluo inicial
Vamos utilizar como exemplo o problema apresentado na Seo 6.1. Para encontrar
uma soluo inicial, ser utilizado o mtodo do mnimo custo. Este mtodo consiste nos
seguintes passos:
1. Atribuir o mximo possvel varivel com menor custo unitrio e preenche com
zeros a linha ou coluna satisfeita. No exemplo, faz-se x31 = 80 j que c31 = 3, utilizando
completamente o fornecimento da Fonte 3. Desta forma, x32 e x33 devem ser iguais a 0.
2. Ajustar os elementos da linha ou coluna no ajustada a partir da varivel com menor

custamos. Assim, no exemplo, na primeira coluna temos que fazer x11 = 70 (menor custo
unitrio), de forma a atender a capacidade do Destino 1. Logo, x21 deve ser igual a 0.
3. O processo repetido para as variveis com outros custos, em ordem crescente.

Dessa forma, devemos fazer x12 = 50, de forma a completar o fornecimento da Fonte 1,
igualando a zero assim a varivel x13. Para completar o quadro, devemos definir x22 = 20
(capacidade do Destino 2) e x23 = 60.
D1 D2 D3
O1 8 5 6
70 50 0 120
O2 15 10
12
0 20 80
60
O3 9
132
3 0 10 80
80 0
D 150 70 60
Processo iterativo
Cada clula vazia representa uma varivel no bsica que poderia entrar na base. Para
entrar, a contribuio da varivel no bsica deve implicar a reduo do custo total.
Calculando essas contribuies para a clula x13:
1. Atribua 1 unidade a x13. Assim, no mais 60, mas 61 o total de unidades na coluna
3.
2. Para no violar a restrio da coluna 3, uma unidade dever ser subtrada de x23, que
passa a ter 59 unidades, e a coluna 3 com um total de 60 novamente.
3. Agora a linha 2 totaliza 79 e no 80, o que pode ser corrigido com a adio de uma
unidade a x22 (20 21).
4. A coluna 2 fica ento com um total de 71, o que pode ser corrigido com a subtrao
de uma unidade de x12.
5. A linha 1 automaticamente corrigida em funo do passo anterior.
Para cada varivel zerada, devemos determinar um caminho fechado de forma a calcular
a sua contribuio na funo objectivo. Estes caminhos so definidos por linhas
verticais ou horizontais, delimitando um polgono fechado. Apenas em um vrtice deste
polgono deve haver uma varivel zerada, que a prpria varivel no bsica que ser
includa na base. S possvel formar um nico caminho com essas caractersticas para
cada varivel zerada.
Encontrado o caminho mnimo da varivel, sua contribuio calculada alternando

soma e subtraco dos custos unitrios dos vrtices, comeando da varivel a ser
includa na base.
Vamos agora calcular a contribuio de cada varivel no bsica na funo objectivo
.Varivel Caminho Contribuio
x13x13 x23 x22 x12 6 - 12 + 10 - 5 = -1
x21x21 x22 x12 x11 15 - 10 + 5 - 8 = 2
x32x32 x12 x11 x31 9-5+8-3=9
x33x33 x23 x22 x12 x11 x31 10 - 12 + 10 - 5 + 8 - 3 = 8
133
Como um problema de minimizao, a varivel a entrar na base ser aquela que
contribui com a maior reduo no valor da funo objectivo, que a varivel x13. O
valor a ser alocado a esta clula deve ser o mximo, de modo que nenhuma das
variveis fique com valor negativo. Este valor o menor valor das variveis que esto
nos vrtices do caminho mnimo com sinal negativo. No caso, as variveis com sinal
negativo so x12 e x23. Logo, o valor a ser alocado 50.
As demais variveis vo adicionar ou subtrair 50, conforme o sinal do vrtice

correspondente varivel seja positivo ou negativo. Ou seja, as variveis passaro a ter
os seguintes valores:
x13 = 0 + 50 = 50;
x23 = 60 - 50 = 10;
x22 = 20 + 50 = 70;
x12 = 50 - 50 = 0.
Logo, a varivel que sai da base x12. A seguir, apresentado o quadro aps a primeira
iterao.
D1 D2 D3
O1 8 5 6
70 0 50 120
O2 15 10
12
0 70 80
10
O3 9
3 10
0 80
80 0
D 150 70 60
Recalculando as contribuies de cada varivel no bsica na funo objectivo, temos

que:
Varivel Caminho Contribuio
x12 x12 x13 x23 x22 5 - 6 + 12 - 10 = 1
x21x21 x23 x13 x11 15 - 12 + 6 - 8 = 1
x32 x32 x22 x23 x13 x11 x31 9 - 10 + 12 - 6 + 8 - 3 = 10
x33 x33 x13 x11 x31 10 - 6 + 8 - 3 = 9
134
Como todas as variveis tm contribuio positiva, isto indica que a incluso de
qualquer uma delas far aumentar o valor da funo objectivo, portanto a soluo
encontrada ptima.
8. DIFICULDADES DO PROBLEMA DE TRANSPORTE
No balanceamento entre oferta e demanda

Caso isso ocorra, o problema no pode ser resolvido da maneira apresentada. Deve-se
ento criar uma origem ou destino fictcio para que o problema esteja balanceado.
Para o problema inicial, se a produo total for maior que a capacidade total, criar um
depsito fictcio com capacidade = produo total - capacidade total, com custos de
distribuio nulos. Se a produo total for menor que a capacidade total, criar uma
fbrica fictcia.
Outra maneira de se resolver o problema seria tratar as restries pertinentes no mais

como equaes e sim como inequaes.
Solues mltiplas
Ocorrem quando, detectada a soluo ptima, um dos valores das contribuies for
zero. O caminho fechado para a varivel xij correspondente indicar a forma de obteno
da soluo alternativa.
EXERCCIOS PARA RESOLVER
1.Uma empresa multinacional pretende determinar como distribuir a produo de trs

produtos seus: milho, trigo e centeio, por trs pases onde desenvolve a sua actividade,
Inglaterra, Frana e Espanha. O objectivo desta anlise, prende-se com a utilizao do
menor nmero de transportadoras possvel.
135
Sabe se que a Inglaterra, Frana e Espanha tem disponvel para plantao: 7000,
12400 e 7100 hectares respectivamente. Os trs pases necessitam para satisfazer a
procura, de plantar 13700 hectares de milho, 5800 de trigo e 7000 de centeio. A
produo de uma tonelada de milho necessita em Inglaterra, Frana e Espanha
respectivamente, de 20, 14 e 17 trabalhadores. Por sua vez, a produo de uma tonelada
de trigo necessita respectivamente de 15, 12 e 12 trabalhadores. Finalmente, a produo
de uma tonelada de centeio necessita respectivamente de 12, 10 e 11 trabalhadores. Esta
ainda provado que cada pas pode produzir mais do que um produto.
a. Formule o problema anterior.

b. Encontre uma soluo bsica admissvel para o problema.
c. Determine uma soluo ptima para o problema.
2.Uma empresa industrial tem trs fbricas a produzir um produto que dever ser
enviado para quatro armazns. As fbricas 1, 2 e 3 produzem 12, 17 e 21 carregamentos
por ms, respectivamente. Cada armazm necessita de receber 10 carregamentos
mensais. A distncia de cada fbrica a cada armazm dada em km pela tabela a baixo.)
Armazm 1 Armazm 2 Armazm 3 Armazm 4
Fbrica 1 800 1 500 400 700
Fbrica 2 1 100 600 600 1 000
Fbrica 3 600 1 200 800 800
O custo de cada carregamento de USD 100,00 acrescido de 0,5 cntimos por km.
a. Formule o problema como um problema de transporte.

b. Determine a soluo admissvel para o problema.
c. Investigue se a soluo da alnea anterior ptima. Caso no seja, melhore a
soluo.
3.Uma empresa de aluguer de viaturas possui 15 e 13 viaturas excedentrias em duas
agncias distintas existindo, no entanto, outras quatro agncias necessitando de 9, 6, 7 e
9 viaturas respectivamente.
Sabendo que os custos unitrios de transferncia de viaturas entre agencias so dados

pela seguinte matriz:
136
Destino 1 Destino 2 Destino 3 Destino 4
Origem 1 45 17 21 30
Origem 2 14 18 19 31
a. Proponha um modelo matemtico que permite determinar a melhor distribuio

das viaturas numa ptica dos custos mnimos.
b. Determine a primeira soluo bsica e identifique se ptima.
4.Um armazenista tem trs depsitos A, B e C, a partir dos quais fornece a trs
retalhistas P, Q e R com um certo produto. A quantidade armazenada em cada depsito
de 50 toneladas e a procura dos retalhistas de 30, 45 e 25 toneladas, respectivamente.
Os custos de transporte entre cada depsito e cada retalhista em euros por tonelada so:
P Q R
A 300 400 100
B 200 100 500
C 700 200 200
O armazenista pretende saber se dever vender ou no um dos depsitos. Que conselho

se daria?
5.Uma empresa txtil possui duas fbricas, F1 e F2, situadas no interior e no litoral do
Pas. A Fbrica F1,possui uma capacidade produtiva de 6000 casacos por ms, enquanto
a F2 produz 9000 casacos mensalmente.
Aps a confeco, os casacos so enviados para quatro armazns, A1, A2, A3 e A4,
para posteriormente serem distribudos. A Fbrica F1 apenas pode enviar casacos para
os armazns A1,A2 e A3, enquanto a fbrica F2 tem apenas acesso aos armazns A2,
A3 e A4.
Os custos unitrios de transporte, assim como as capacidades dos armazns, encontram

se na seguinte tabela:
A1 A2 A3 A4
F1 40 50 55 ----
137
F2 --- 60 30 50
CAPACIDADES 2500 4500 5500 3500
a. Proponha um modelo matemtico que permite determinar a melhor distribuio

das viaturas numa ptica dos custos mnimos.
b. Determine a primeira soluo bsica e identifique se ptima.
6.Uma companhia de ao possui 2 minas e 3 fbricas transformadoras. Em cada mina (1
e 2) encontram-se disponveis 103 e 197 toneladas de minrio. A companhia transporta
por mar o minrio at s fbricas. O custo de transporte do minrio para as fbricas
dado na tabela (em milhares de euros por tonelada).
FABRICA 1 FABRICA 2 FABRICA 3
MINA 1 9 16 28
MINA 2 14 29 19
As fbricas (1, 2 e 3) requerem a utilizao de 71, 133 e 96 toneladas de minrio.
(a) Construa o modelo matemtico que represente o problema de transportar minrio das
minas para as fbricas transformadoras, de modo a minimizar o custo total de
transporte.
(b) Determine o plano ptimo de transporte.
7. Uma companhia de ao 2 minas e 3 fabricas transformadoras. Em cada mina (1 e 2)

encontram-se disponvel 13 e 197 tonelada de minrio. A companhia transporta por mar
o minrio ate as fabricas. O custo de transporte de minrio para as fbricas dado na
tabela (em milhares de euros por tonelada).
Fabrica 1 Fabrica 2 Fabrica 3

Mina 1 9 16 28
Mina 2 14 29 19
As fbricas (1,2 e 3) requerem a utilizao de 71,133 e 96 tonelada de minrio.
a) Construa o modelo matemtico que represente o problema de transportar

minrio das minas para as fbricas transformadoras, de modo a minimizar o
custo total de transporte.
b) Formule o problema dual do procedente
c) Obtenha uma soluo bsica admissvel inicial utilizando o mtodo
138
i. Do canto noroeste
ii. Do mnimo da matriz de custo
iii. Das penalidades
d) Partido de uma soluo bsica admissveis iniciais obtida em (c), determine o
plano ptimo de transporte.
8. Uma companhia tem 3 fabricas a produzir um dado produto que deve ser depois
transportado para 4 centro de distribuio necessita de receber 10 carregamento por
ms. A distncia de cada fbrica para cada centro de distribuio (em km) so dados na
tabela.
O custo do frete de cada carregamento de 5000 euros acrescido de 50n euros por km.
Centro 1 Centro 2 Centro 3 Centro4

Fabrica 1 80 130 40 70
Fabrica2 110 140 60 100
Fabrica 3 60 120 80 90
Formule o problema de modo a minimizar o custo total de transporte, construimdo uma

apropriada tabela de custo. Resolva o problema, determinando uma soluo bsica
admissvel inicial atravs do mtodo do canto noroeste.
9. pretende-se transpostar um produto de 2 armazens (A1 e A2) para 3 destino (D1, D2

e D3) os armazns A1 e A2 dispoem de 4 e 6 unidades de produto respectivamente. Em
D1, D2 e D3 so requeridas 2, 3 e 5 unidades de produtos, respectivamente. Os custo
unitrio de transporte so dados na tabela:
D1 D2 D3
A1 4 4 5
A2 5 3 8
a) Formule o problema em termos de programao linear

b) Formule o problema dual do procedente.
c) Resolva o problema calculando a soluo bsica admissvel inicial atravs do
mtodo
i) Do canto noroeste
ii) Do mnimo da matriz de custo
iii) Das penalidades
10. 8. Uma companhia tem 3 fabricas a produzir um dado produto que deve ser
depois transportado para 3 centro de distribuio. As fabricas (1, 2 e 3)
produzem 50, 60 e30 unidades por ms respectivamente os centro de
139
distribuio (1,2 e 3) necessitam de receber 10, 70 e 20 unidades por ms,
respectivamente. Os custos unitrios de transporte so dados no quadro:
Centro 1 Centro 2 Centro 3

Fabrica 1 6 1 3
Fabrica 2 3 5 2
Fabrica 3 6 2 6
Determinar o plano ptimo de transporte que a empresa deve adoptar.
11. uma empresa pretende determinar o plano ptimo de transporte de matria-prima

armazenada em 2 centros de distribuio que transformada em 3 fabricas. Nos centros
de distribuio existem 20 e 18 toneladas de matria-prima nas fbricas so necessria
12, 10 e 16 toneladas de matria-prima. Os custos unitrio de transporte so dados no
quadro. O trajecto entre o centro 2 e a fbrica 2 no pode ser utilizados. Determine o
plano que a empresa deve adoptar.
Fabrica1 Fabrica 2 Fabrica 3

Centro 1 5 2 3
Centro2 4 xxx 2
12. Duas fbricas abastecem 2 armazns de venda a retalho. Na fbrica 1 existem 10

unidades de produto e na fbrica 2 existem 20 unidades. No armazm 1 so requeridas
14 unidades do produto e no armazm 2 so requeridas 16 unidades. O quadro seguinte
contem a informao relactiva a custo unitria de transporte.
Armazm 1 Armazm 2
Fabrica 1
Fabrica 2
Admitindo que possvel utilizar qualquer ponto como entreposto, e que o custo
unitrio de transexpedio entre a fabrica 1 e entre os armazns 2, determine o plano
ptimo de distribuio.
13. Numa seco de uma fabrica existe 4 maquinas. Um dado processo de produo
consiste em 4 tarefas que devem ser levada a cabo nessas mquinas. Cada mquina s
pode imprimir uma tarefa. Os custos a realizar a tarefa j (j = 1,,4) na maquina i(i =
1,4) so dados na tabela.
J1 J2 J3 J4
M1 10 9 7 8
M2 5 8 7 7
M3 5 4 6 5
140
M4 2 3 4 5
Como afectar as tarefas as maquinas de modo a minimizar o custo total?
14. o treinador de uma equipa de natao necessita de seleccionar nadadores para a

equipa de estafeta 4100 metros estilos . Dado que os nadadores so muito rpido em
mais do que um estilo, o treinador sente alguma dificuldade em afecta-los a cada um dos
4 estilos. Os 5 melhores nadadores e os melhores tempos (em segundo) que obtiveram
em cada um dos estilos (100 metros) so dados na tabela:
Alberto Belmiro Carlos David Ernesto

Costa 37.7 32.9 33.8 37.0 35.4
Bruos 43.4 33.1 42.2 34.7 41.8
Mariposa 33.3 28.5 38.9 30.4 33.6
Livre 29.2 26.4 29.6 28.1 31.1
O treinador pretende determinar como afectar um nadador a cada um dos estilos, de

modo a minimizar a soma dos correspondentes melhores tempos.
15.
Considere o problema do diagrama de rede abaixo.
Resolva-o pelo mtodo simplex dos transportes determinando a soluo inicial pelo
mtodo dos mnimos custos.
Verifique a soluo obtida na alnea anterior utilizando o solver.
1
50 A 3 1 40
4
2
50 B 4 3 70
7
5 1
50 C 6 3 30
16. Aps os fogos dos ltimos anos, o comando central dos bombeiros decidiu instalar
um sistema de optimizao de deslocao de bombeiro para frente do fogo, em funo
das necessidades do momento.
Num dado dia de vero muito quente nas imediaes de uma grande cidade, foram
dados cinco alertas de fogo, em outras tantas localizaes. A cidade em questo tem
quatro quartis de bombeiro, como respectivos homens prontos para combater os
sinistros.
141
Devidas as boas condies de comunicaes existentes com a populao, foi
rapidamente estimado o nmero de homens necessrio para cada local.
A estimativa do tempo de viagem, em minuto, de cada quartel para cada fogo foi obtida
a a partir de um sistema de informao geogrfica, previamente instalado no centro de
comando.
Pretende-se saber qual o plano de transporte ptimo dos homens, que minimize o tempo
de chegada dos mesmos aos locais onde lavram os fogos.
Os dados do problema so:
F1 F2 F3 F4 F5
Q1 11 7 40 35 36 50
Q2 10 9 30 32 28 50
Q3 50 60 5 6 7 75
Q4 45 52 7 4 8 75
60 40 50 55 45
17. Considere o quadro abaixo. Os valores representados apresentam o tempo, em

minuto que cada um de cinco indivduos (1 a 5) demora a realizar cinco tarefas distintas
(A a E). Sabendo que cada tarefa necessita um individuo s para realizar para a realizar,
diga que tarefa deveram ser realizadas por que individuo, de modo a minimizar o tempo
de realizao de todas as tarefa por que individuo, de modo a minimizar o tempo de
realizao de todas as tarefas.
A B C D E
1 13.5 11 5 1.5 8
2 12 12.5 6.5 1 1
3 8 11.5 10.5 7 7
4 0.5 4 10 13.5 13.5
9 5.5 4.5 8 8
18. uma grande empresa de transporte urbano serve grande cidade.
Cidades A B C D E
Quantidade actual de nibus 31 43 66 29 86
Demanda para o prximo perodo 25 29 68 36 78
Formule o problema da relocao dos nibus, respeitando as restries de demanda, de
modo a minimizar a distncia percorrida.
DISTNCIA ENTRE AS CIDADES

A B C D E
A 0 1.000 1.900 3.000 2.500
B 1.000 0 800 1.500 1.200
C 1.900 800 0 1.600 1.400
D 3.000 1.500 1.600 0 600
142
E 2.500 1.200 1.400 600 0
19. Um hospital precisa comprar 3 gales de medicamentos perecvel para utilizar no

ms corrente e 4 gales para utilizar no prximo ms. Como o medicamento perecvel,
ele s pode ser utilizado ao longo do ms que foi comprado. Apenas duas empresas
fabricam o medicamento (A e B) e existe falta deste no mercado. Por esse motivo, o
hospital poder comparar no mximo 5 gales de medicamento, de cada empresa, nos
prximos 2 e dois meses. O preo do galo do medicamento, por ms, por fabricante
dado na tabela abaixo:
Fabricante Preo no ms corrente Preo no prximo

mes
A $800 $720
B $710 $750
Formule e resolva com um problema de transporte buscando minimizar o custo total de

aquisio do medicamento
20. Formule o problema e aplique o mtodo simplex simplificando, para o problema de

transporte abaixo, para encontrar a soluo de custo mnimo. Apresente em cada
iterao e tabela de fluxo e a tabela de coeficiente (correspondentes a linha (0) do
tableau). A soluo ptima encontrada nica? Justifique.
Destino 1 Destino 2 Destino 3 Cap. Oferta

Origem 1 3 2 6 7
Origem 2 1 4 3 5
Origem 3 4 2 5 8
Demanda 8 6 6
21. na tera-feira a empresa GT Railroad ter 4 locomotivas para IE Junction, 1

locomotiva em certerville e 2 locomotiva em wayover. Necessita-se 1 locomotiva em
cada uma das estaes: A - Station, Fine Place, Goodville e Somewhere Street. A tabela
abaixo tem a distncia entre as origens e os destinos:
A- Station Fine Place Goodville Somewheren

Street
IE Junction 13 35 42 9
Centerville 6 61 18 30
Wayover 15 10 5 9
143
Formule e resolva o problema de atribuio de locomotivas objectivando minimizar a
distncia total percorrida.
23. uma companhia de transporte areo deve planejar suas compras de combustvel.
Existe 3 fornecedores e a companhia reabastece seus avies em qualquer dos 4

aeroportos que serve. Os fornecedores de combustvel comunicaram que podem
fornecer as seguintes quantidades durante o prximo ms.
CUSTO POR LITRO PARA O AEROPORTO

Fornecedor Limite( em 1 2 3 4
litros)
1 1.000.000 3,00 2,80 2,40 2,90
2 2.000.000 2,50 2,90 2,90 3,10
3 2.400.000 2.80 3,20 13,5 2,50
As necessidades em cada aeroporto so:
Aeroporto 1: 1.400.000 litros
Formule resolva o problema para que a companhia de transporte areo minimize o custo
de compra.
TEMA DEZ
NLISE DE REDES
1. CONCEITOS BSICOS EM TEORIA DOS GRAFOS

Diversos problemas de programao linear, inclusive os problemas de transporte,
podem ser modelados como problemas de fluxo de redes. Algoritmos especficos para
144
determinados tipos de problemas podem ser mais convenientes para a sua soluo do
que algoritmos mais genricos.
Em muitos problemas que nos seguem, a forma mais simples os descrever , representa-
los em formas de grafos, sendo que um grafo proporciona uma representao visual que
trs vantagens na construo modelo matemtico com vista a resoluo do problema.
A anlise de redes tem-se revelado til na formulao e resoluo de vrios problemas

de pesquisa operacional, tais como rede de comunicao (estrada ou caminho de ferro,
energia elctrica, telefones, relaes de parentesco entre grupos de indivduos, etc.),
planificao de actividades e alguns problemas de produo ou distribuio, pois a
representao de um sistema atravs de uma rede permite visualizar de uma maneira
clara as relaes entre os seus elementos.
Os problemas de fluxo em rede esta associado questes que envolvem distancia como a
forma mais curta de ir de um local ao outro, ou ainda como ligar um conjunto de
localidades entre si com a menor distancia possvel. O estudo das redes poder ir mais
longe do que isto, como os casos dos problemas a serem estudados neste tema:
O problema de rvore geradora mnima
Este tipo de problema acontece quando se pretende instalar uma rede de distribuio gs
natural, gua, electricidade, telefone de modo a que todos os beneficirios fiquem
ligados entre si ou seja que as condutas a instalar tenham o menor comprimento
possvel, de modo a minimizar os custos.
O problema do caminho mais curto
Este um caso tpico da deslocao de uma localidade A para uma localidade B,

percorrendo a menor distncia possvel, sabendo que h um determinado nmero de
escalas alternativas a satisfazer, um problema tpico em que se pretende determinar o
caminho mais curto a efectuar entre a origem e o destino.
Problema do fluxo mximo
Estamos diante de um problema de um fluxo mximo quando se pretende determinar a

quantidade mxima de um dado produto que possvel transportar de uma origem para
um.
O problema do fluxo do custo mnimo
Se pretendemos transportar uma quantidade fixa de um produto da origem para um

destino da forma mais barata possvel, estamos diante de um problema de um fluxo
mnimo.
145
Os problemas de optimizao em rede so situaes particulares dos problemas de
optimizao lineares, podendo
2 desta forma ser valido5 uma validao do algoritmo da
simplex.
O algoritmo utilizado conhecido por simplex para redes. No entanto a especificidade

do problema de redes, fez3com que se tenham desenvolvido algoritmos mais eficientes
1
para resolver 6
cada tipo de problema quatro citados
2. TEORIA DOS GRAFO
Definio: Um grafo G, em um conjunto finito V de pontos a que chamamos vrtice,

ns ou nodos, e um conjunto A de linha, a que chamamos de arcos, ligaes ou ramos,
que ligam todo ou alguns desses pontos. Se
Nota: Podemos identificar qualquer arco a (ligao ou ramo) atribuindo-lhe um nome ou

letra ou atravs do vrtice de onde parte e do vrtice onde termina, colocando um par
ordenado a=() ou apenas a= (i.f). Quando i=f o arco denomina-se lacete.
Definio: um grafo considera-se orientado se lhe associado um sentido. Os sentidos

so esquematicamente representados por setas. A seta do arco (v1, v2) significa que este
arco dirigido de v1 para v2.
Nota: Um grafo orientado se todos os seus arcos forem orientados e no orientados

quando os seus arcos no apresentam sentidos. Os arcos no orientados denominam-se
tambm por arestas.
Se o grafo tem arcos e arestas ento diz-se um grafo misto
EXEMPLO: Considerem o grafo formado pelo conjunto dos vrtice v =

{1,2,3,4,5,6,7,8} e pelo conjunto das ares A =
{(1,2),(1,3),(1,4),(2,6),(2,7),(3,6),(4,5),(5,6),(5,8),(6,7),(6,8),(7,8)}
Graficamente
2 7
1 3 6 8
4 5
Grfico orientado
146
8
Grafo no orientado
4
7
2 5
1 6 8
3
Definio: denominam-se antecessores de um vrtice v todos os vrtice donde partem
ares que terminam em v, so todos os vrtices em que terminam ares que comeam com
vrtice v. 4 7
Definio: Dos ares consideram - se adjacentes ou conexos se possurem um vrtice.
EXEMPLO: (1 figura)
Antecessor de 5 ={4}; porque o vrtice 4 o nico de onde sai um arco que termina no
vrtice 5.
Sucessor de 5 = {6,8}; porque do vrtice 5 saem arcos que terminam nos vrtices 6 e 6.
Os ares (1,2) e (6,8) so conexos porque possuem o vrtice 3 em comum.
Os ares (2,7) e (6,8) so desconexos.
Definio: Chama-se cadeia entre um vrtice inicial i e um vrtice final f, a uma

sequncia de ares ligam estas dos vrtices.
Nota: No necessrio que os arcos que os arcos estejam todos orientados no mesmo
sentido. Os que estiverem orientados de i para f designam-se por ares directo enquanto
de f para i chamam-se ares invlidos. Se o vrtice inicial for tambm o vrtice final ou
seja de sairmos de um vrtice e voltarmos a ele, ento estaremos diante de ciclo.
EXEMPLO: Consideremos o grafo da figur
2 4 6
147
8
5 7
Podemos identificar uma cadeia entre os vrtices 1 e 8

1
4 6
2
Podemos identificar uma cadeia entre os vrtices 1 e 8 8
OBS: O arco (5,7) esta a ser utilizado no sentido inverso ao da sua orientao.
3 5 7
Podemos tambm encontrar ciclos
5 6
2
1
8
OBS: No possvel sair do sair do vrtice 1 e voltar posteriormente ao mesmo sem
utilizar pelo menos
3 um dos arcos ao sentido7inverso.
4
NOTA: Se numa cadeia, os arcos estiverem todos orientados no sentido de i para f,
obteremos um caminho de i para f. Se o vrtice inicial do caminho for tambm o vrtice
final, termos um circuito
EXEMPLO: (Neste caso no temos circuito).
148
2 3
3 4 6
8
1
Definio: Um grafo denomina-se conexo ou fracamente conexo se, para todo par do
vrtice do grafo existir pelo menos uma cadeia interligando o par, ou seja se for possvel
deslocar-se de um vrtice qualquer para um outro atravs de uma cadeia.
2 5 7
Definio: Um grafo denomina-se fortemente conexo se for sempre possvel estabelecer
um caminho entre quaisquer dos seus vrtices.
NOTA: Uma forma mais intuitiva de concluir sobre a conexidade de um grafo no

permitindo linha de vrtices EXEMPLO:
Grafo conexo Grafo desconexo
8 3
2 4
1
2
NOTA: Podemos concluir que, os conceitos de cadeia ciclo ou conexidade nos grafos
no orientados correspondem os conceitos de caminho, circuitos e conexidade
3 forte nos 2
3 5
grafos orientados.
Definio: Um grafo diz-se completo se cada dois vrtices esta ligada por um arco.
Assim o diagrama de um grafo completo com N vrtices tem N(N-1) arcos pois deve-se
considerar que cada um dos restante (N-1 ) vrtices. Se o grafo for no orientado divide-
se estes valor por dois, porque a aresta esta entre um vrtice i e um vrtice f substitui os
arcos (i,f) e (f,i).
EXEMPLO
149
Vrtice: {1,2,3,4}
4(4-1) = 12 Arcos
(1,2)(2,1)(1,3)(3,1)(1,4)(4,1)
3
(2,3)(3,2)(2,4)(4,2)(3,4)(4,3)
4
1
2
Definio: Denomina-se grafo parcial ao grafo cujo vrtice todos os elementos de um

subconjunto de A intuitivamente, podemos dizer que um grafo parcial resulta do grafo
1 suprimindo alguns arcos. 4
inicial
Definio: Subgrafo o grafo cujos vrtices so elemento de um subconjunto de V e os

arcos so elemento de A que tem ambos os extremos nestes subconjunto isto um
subgrafo resulta do grafo inicial qual se suprime um ou mais vrtices e os arcos de que
estes vrtices so extremos.
NOTA: Se consideramos em simultaneamente duas definies anteriores obteremos um

sub grafo parcial.
EXEMPLOS
Grafo parcial (partindo da figura)

5
6 8
3
4 7
1 O grafo parcial gerado pelo subconjunto:
1 = {(1,2)(1,3)(1,4)(2,7)(3,6)(4,5)(5,8)(6,7)(6,7)(7,8)
Subgrafo (da Figura * )

1 = {1,2,3,6}
150
Subgrafo Parcial
Subgrafo parcial gerado por 1 = {1,2,3,6 }e 2 = {(1,2), (1,3), (3,6), (6,7)}
2 = {(1,2), (1,3), (3,6), (3,6)}

3
3. Noo de rede
Definio: Uma rede um grafo onde existem valores associados a todos os arcos ou
arestas. A estes valores d-se o nome capacidades e podem representar custos, distancia,
1 volumes, etc.
tempo 2 4
EX:
12 20
26
17
17
15
21
15 10
20
REDE OREITADA 12 26
2 4 7
17 22 6
4
10 8
1 3
8 10
21 3 5 6
REDE NO ORIENTADA 15
108
6
NOTA: Em relao ao valor que apresentam as capacidades, por exemplo, a capacidade
6 mximo permitido ao canal fluvial
17 associada ao arco (1,2) poder apresentar o caudal
6
entre as barragens situadas nos locais correspondentes a, vrtices 1 e 2 enquanto a
8
capacidade 8 associada a aresta (5,7) poder representar o tempo que um carteiro leva a
151
distribuir correio em cada um dos sentidos da rua que se situa entre os cruzamentos
representados pelas vrtices 5 e7.
Para simplificar as notaes utilizadas em diante nos problemas que estudaremos,

assumiremos sem perder a generalidade que o vrtice inicial das redes em estudo ser
identificado com o nmero 1 sendo os restantes vrtices identificados com os nmeros
2,3,4, N.
4. O problema da rvore geradora de custo mnimo

As aplicaes prticas deste problema so diverso em exemplo disso ser a constituem
de uma infra-estrutura que sirva um conjunto de localidades. No necessrio existir
uma ligao directa entre cada par de localidades, mas obrigatrio estabelecer uma
ligao de qualquer uma localidade para qualquer outra. Se tivermos em conta que
quanto for maior a extenso total da infra-estrutura maior ser a quantidade de material
a utilizar maior ser o nmero de horas maquinas necessrio este facilmente se perceba
que o objectivo principal neste caso tentar minimizar o comprimento total.
O problema da rvore geradora de custo mnimo assegura a construo de uma rvore

geradora cujo comprimento seja mnimo
Problema:
A empresa REDE VIVA LDA, precisa determinar sob que ruas devero instalar cabos
telefnicos para ligar todas as estaes usando o menor comprimento total de cabos. A
figura abaixo ilustra as 8 estaes e o plano de ruas. Sobres cada aresta est
representado o comprimento de cabos necessrio para efectuar a respectiva ligao.
12 20
2 4 7 26
17
4
17
8
1
8 15
2 3 6
5
15
1
Definio: Chama-se arvore (T) a um grafo com N vrtice que seja conexo e sem ciclo,
ou ainda:
T um grafo conexo com (N 1) arcos
T um grafo com (N 1) arcos e seu ciclo T no ter ciclos mas adicionando

qualquer arco novo a T, resulta num grafo com exactamente um ciclo.
T tem uma nica cadeia a ligar cada par de vrtice.
152
Definio: Dado o grafo G (V, A) com N vrtices, chama-se rvore geradora de G ou
rvore de suporte G, a um grafo parcial de G que construa uma rvore
Vejamos exemplo de arvores geradoras de uma rede, em que passamos a trabalhar na

medida em que associamos capacidades as arestas dos grafo
12 26
2 4 7
17
1 4 8
3 5 6
21 15
10
NOTA: A partir da def de rvore geradora temos aqui de facto um grafo parcial do
esquema anterior (aumentar todos os vrtices e considera apenas algumas arestas).
Verifica-se tambm que o grafo conexo (no existem ilhas de vrtices) e sem ciclo e
devera ter N 1 = 8 -1 = 7 arestas.
Podemos constatar tambm que existe uma cadeia entre qualquer par de vrtices ou seja,
que possvel encontrar uma ligao de um qualquer vrtice para qualquer outro que
essa ligao nica.
Ao somar as capacidades das arestas utilizadas nesta rvore obtm-se a suas

capacidades total: 17+21+12+4+10+26+15=105
2
12
4
2 7
17 16
3 8
1 8
6
15
3 5 6
10
17+3+12+15+10+8+26=91
20
2 4 7
153
4
17
3
1 8
3 5 6
21+3+17+20+4+10+15=90
12
2 4 7
17
8 4
1 3 8
5 6
3
10
17+ 3+12+8+10+4+15=69
NOTA: Dado um grafo G (V,A) com capacidade associados as arestas ou arcos,

chama-se arvore geradora de custo mnimo a qualquer geradora de G cuja a soma das
capacidades seja a mnima.
5. Formulao do problema
Este problema pode ser formulado em P.L.. seja uma varivel de deciso que toma
valor 1 se a aresta (i;j) esta includa na arvores e o valor o caso contrario.
As restries devero transmitir as seguintes ideias:
No existe vrtices que no estejam ligados.
O nmero de aresta a ser colocado deve ser N 1.
No devem existir ciclos. Se Cij for o custo associado a aresta (i,j) teremos:
Minimizar
154

=
=0 (,)
. : + 1, = 1, ,
:(,)=0 :(,)=0
= 1
=1 :()=
|| 1
:()
(0,1), = 1, , : (, )
O primeiro conjunto de restries garante que para cada um dos vrtices, o nmero total
de arestas que, sai e que entra nesse vrtice no mnimo uma, ou seja, existe para
cada um dos vrtices pelo menos uma aresta considerada na rvore, isto no existe
vrtice que no estejam ligados.
O segundo conjunto de restries exige que sejam colocados exactamente N 1 aresta e

o terceiro conjunto garante a no formao de ciclos.
Embora o problema assim formulado possa ser resolvido por um algoritmo de P.L,
como o simplex, a estrutura particular dos problemas de redes permite o
desenvolvimento de algoritmo especfico para o efeito.
6. ALGORITMO DE KRUSKAL
7.
O algoritmo do KRUSKAL desenvolve a rvore geradora de custo mnimo permitindo
de uma rede com todos os vrtices e sem aresta colocadas, ordenando-as por ordem
crescente de capacidades.
Em seguida vai introduzindo as arestas por uma nas rvores desde que a sua incluso
no origine a formao de ciclos com as arestas j colocados. O algoritmo termina
quando estiverem N 1 aresta colocadas.
Seja o caso da REDE VINA:
155
12 20
2 4 7
17 54 26
8
3 17
1
8
15
21 3 5 6
15 10
Sendo a rede composta por 8 vrtices a arvore geradora ter N 1 = 8 1 = 7 vrtices.
1 Passo: Ordenar as aresta por ordem crescente das capacidades. Seja tabela
AREST CAPACIDAD ARESTA CAPACIDADE

A E
(6,8) 15
(2,3) 3
(1,2) 17
(4,6) 4
(3,4) 17
(5,7) 8
(4,7) 20
(5,6) 10
(1,3) 21
(2,4) 12
(7,8) 26
(3,5) 15
2 Passo: Iniciar a construo da rvore colocando as arestas na ordem dada pela tabela
anterior.
2.1.
2 4 7
1 8
3 5 6
Capacidade: 3
156
2.2.
2 4 7
1 8
3 5 6
Capacidade 3+4=7
2.3. Segundo o raciocnio anlogo, colocam-se as trs arestas seguintes: (5,7) (5,6) e
(2,4). Deve-se ter ateno que, embora passe a existir um cruzamento entre as aresta
(5,7) e (4,6) isto no constitui um ciclo e depende apenas da posio relativa dos
vrtices, pois bastar que o vrtice 7 se encontrasse abaixo do vrtice 5 para que
deixasse de existir esse cruzamento assim sendo, teremos
12
2 4 7
8
1 8
3 4
3 6
5
Capacidade: 7+8+10+12=37
2.4. A sexta aresta a ser colocada seria a (3,5) entretanto ela d origem ao surgimento de
um ciclo (repetir a figura). Logo, ignora-se esta aresta e colocamos a aresta seguinte
tambm com a capacidade 15 a aresta (6,8). Teremos ento:
2 12 4 7
4
1 8
3 8
Capacidade: 37+15=52
3 5 6 15
3 Passo: 10
Estas colocadas 6 arestas. A prxima aresta a ser colocada ser a aresta (1,2) com
capacidade 17 e que no fecha nenhum ciclo. Tratando-se da 7 aresta, obtemos a rvore
geradora de mnimo custo com capacidade igual a 52+17=69.
157
Com a relao de N 1 arestas a arvore geradora esta completa, traduzindo o final do
algoritmo
31
7
2 4
8
1
41
3 5 6
8. Algoritmo de PRIM
Uma das formas de aplicao do algoritmo de PRIM consiste na construo de uma
matriz triangular inferior cujo elemento so as capacidades entre os vrtices (como os
mapas das estradas).
O facto de estarmos diante de uma rede no orientadas origina a utilizao a aresta (i,j)
no sentido de i para j ou de j para. A matriz das distncias resultante uma matriz
triangular inferior
158
3 21
4 17
5
81
121
7 20
101
8
26
151
1 2 34 5 6 7 8
1 Passo: escolhe-se um vrtice qualquer. Ex. Ver. 5

151
2 Passo: cortar a linha e a coluna do vrtice 5, isto seleccionar todas as ligaes que
envolvem o vrtice 5. Entre os elementos cortados uma vez escolhesse o menor, ou seja
escolhe-se a aresta adjacente com o menor comprimento, neste caso =8, na ligao com 171
vrtice 7.
3 Passo: assinala-se essa aresta com um crculo e cortam-se a linha e a coluna do

vrtice assinalado de forma a identificar as novas arestas que se ligam a estrutura criada.
4 passo: mais uma vez escolhe-se o mnimo entre os elementos cortados uma vez, que
neste caso corresponde ao 10 na ligao entre os vrtices 5 e 6.
5 Passo: analogamente prossegue o processo. No entanto, neste caso, cortando a linha

do vrtice 3 determina-se o menor dos elementos cortados o 15 da ligao entre os
vrtice 5 e. Sendo este elemento j cortado duas vezes implicaria formar um ciclo.
Teremos ento que escolher o 2 mnimo dos elementos cortados. e, tambm de valor
15, ms a ligao entre os vrtices 6 e 8.
6 Passo: mais uma vez se cortam a linha e coluna do vrtice 8 e determina-se o menor
dos elementos cortados uma vez que corresponde ao 17 da ligao dos vrtices 2 e 1.
Cortam-se as linhas e as colunas do vrtice um e conclui-se que rvore geradora mnima

est terminada a partir do momento em que todos os vrtices foram cortados em linhas e
colunas.
159
Determina-se ento as ligaes que formam a rvore geradora do aresto mnimo, que
so os assinalados.
17+3+12+4+10+8+15=69
9. O problema do caminho mais curto

O problema do caminho mais curto consiste na determinao do caminho de
comprimento mnimo entre dois vrtices. Eles aparecem associados a redes orientadas.
No entanto, tambm podem ser aplicadas a redes no orientadas, pois, uma rede no
orientada pode ser considerada como um caso especial de redes orientadas fazendo
corresponder a cada vrtice um par arco orientados em sentidos opostos.
PROBLEMA
A empresa, REDE VIVA pretende agora encontrar o caminho mais curto entre a sede da
empresa (vrtice 1) e o centro de distribuio (vrtice 8) atravs do sistema de ruas
assinalado na figura abaixo.
Os valores dos arcos representam as distancia.
12 20
2 4 7 26
4
17 8 8
1 3
4
15
3 5 6
15 10
Este problema pode ser formado em programao linear e tal como no caso da arvore
geradora de custo mnimo, que define as variveis de deciso como sendo a opo de,
incluso ou no de cada uma das ligaes (i, j) no caminho de custo mnimo ou seja,
neij uma varivel que tenha o valor 1 se o arco (i,j) est includo no caminho mais
curto entre o vrtice final N e toma valor 0 (zero) caso contrario.
As restries deveram transmitir as seguintes ideias:
O caminho mnimo tem inicio no vrtice 1 que representa a origem.
O caminho mnimo termina no vrtice N que representa o destino.
O caminho mnimo constitudo por uma sequncia de arcos onde cada um deles
comea um vrtice e acaba noutro.
160
5
Se cij for o comprimento do arco (i.j) o problema pode ser formulado da seguinte
forma:

=
=1 :(,)
: = 1
:(;) :(,)
= 0, = 2, , 1
:(,) :(,)
= 1
:(,) :(,)
{0,1}, , = 1, , : ()
A primeira restrio garante que o numero de arcos que sai e o nmero de arcos que
entra no vrtice inicial 1 e1; A terceira restrio garante que a diferena entre o nmero
de arcos e o nmero de arcos que entra no vrtice 1 -1.
O segundo conjunto de restries garante que em todos os outros vrtices a quantidade

total de arcos que l entram no caminho mais curto igual a quantidade total de arcos
que l saem.
a necessidade de minimizar uma combinao linear dos arcos que forem utilizados
que nos garante que s teremos um arco a sair ou a entrar em cada vrtice.
Se consideramos que no esto definidas quaisquer arco a ir dar ao vrtice 1 (o que

equivale a ter 1 = 0, = 1, , ) ou quaisquer outro arco a sair do vrtice N (o
que significa ) a ter X = 0 = 1, , a formulao simplifica-se da seguintes
forma:

=
=1 :(,)
: = 1
:(;) :(,)
= 0, = 2, , 1
:(,) :(,)
161
= 1
:(,)
{0,1}, , = 1, , : ()
RESOLUO DO PROBLEMA
12 20
4
17 2 7
26
1
3 17 4 8
3 5 8
21
6 15
15 10
Seja o caminho C = {(1,2), (2,4), (4,7), (7,8)}. A ligao entre os vrtices 1 e 8 ter o
comprimento M= 17+12+20+26=75.
Seja o caminho C= {(1,3), (3,4),(4,6),(6,8)} cujo o comprimento M = 21+17+4+15

=57.
Esta seria uma maneira de resolver este problema enumerando todos os caminhos em
escolher o que apresentam menos comprimentos. Podemos concluir facilmente que esta
pratica complicada e . a medida que aumenta o numero de vrtices ou de arcos de
rede.
10. ALGORITMO DE DIJKSTRA

Este algoritmo determina o, caminho mais curto entre o vrtice inicial i (chamamos-lhe
1) e todos os vrtices de rede com comprimento no negativo. Neste algoritmo, atribui-
se uma etiqueta (sinal qualquer) permanente a qualquer vrtice W da rede quando
houver a certeza de que j obtivemos o caminho mais curto entre o vrtice inicial 1 e o
vrtice 20.
Assim sendo, vamos definir alguns vrtice que nos permitiro facilidade e rapidez na
aplicao do.
JC(j) o comprimento do caminho mais curto entre o vrtice inicial 1 e o vrtice j,

obtido at ao momento. Se considerarmos C o coprimento do arco (ou aresta) entre
o vrtice a e b, isto permitimos definir que no inicio JI(1) = 0 ou seja 1 o vrtice inicial
162
logo o comprimeto do caminho mais curto entre o vrtice inicial e o vrtice 1 igual a
zero.
1 1
JC(j) = {
+
P(j) um vrtice antecessor do j no caminho mais curto entre 1 e j. Assim sendo, no
inicio teremos:
*P(1) = (por comear, considera-se que 1 antecessor de 1)
1 1
*P(j) = {
0 .
Este algoritmo, pode ser aplicado directamente sobre a rede, mas existe uma aplicao
sobre tabela que torna mais fcil a prpria resoluo. Representam-se todos os vrtices j
em linha e para cada interaco do problema e actualizam-se todos os vrtices P(j) e
(j) voltemos a rede:
12
4 20
2 7
17 26
4
1
3 8
17
21 15
3 5 6
15
10
Determinemos o caminho mais curto entre os vrtices 1 e 8.
No inicio temos: (1) = 0 (1) = 1
Isto significa que j obtivemos o caminho mais curto entre 1 e 1. Etiqueta-se

permanentemente o vrtice com (*) e em seguida pesquisamos todos os vrtice sucessor
do vrtice 1. So os vrtices 2 e 3.
Claramente se verifica que o caminho mais curto entre eles da ligao entre o vrtice 1
e 2 logo (2) = 17. Sabendo que o vrtice antecessor de 2 nesse caminho o vrtice 1,
logo P(2) =1.
De forma anloga temos que o caminho mais curto 1e 3 o da ligao directa entre eles
donde (3) = 21 (3) = 1
163
Aos restantes vrtices que no so sucessor directo de 1 consideramos no termos
obtidos ainda um caminho at eles e assim atribui-se o valor + ao respectivo e o
valor 0 (zero) ao respectivo P. vejamos a tabela:
vert. 1* 2 3 4 5 6 7 8
Vect
0 17 21 + + + + +
P 1 1 1 0 0 0 0 0
Em seguida escolhe-se o vrtice que se encontra mais perto de1 ou seja, entre todos os
que ainda no tm etiqueta permanente aquele cujo o mnimo do (17 para o
vrtice o que se assinala radiado) e etiqueta-se o vrtice 2 com (*). Isto significa que
est encontrado o caminho mais curto entre 1 e 2.
Como certificar?
Qualquer outro caminho passaria obrigatoriamente por outro vrtice, no caso e 3, que
sabemos no se encontra a uma menor distncia a que liga 1 e 2. Desta forma no
possvel encontrar outro caminho mais curto. Mesmo que a distncia entre 1 e 3 fosse
igual a de 1e 2 e tivemos que ir pelo vrtice 3, para chegarmos ao 2 teramos ainda a
distancia entre 3 e 2. Assim o estado da tabela ser:
Vert. 1* 2* 3 4 5 6 7 8
vect
21 + + + + + +
P 1 1 0 0 0 0 0 0
A partir do ltimo vrtice e etiqueta 2 podemos ir para os vrtices 3 e 4 comprimentos:
Arco (2,3) (2) + 2 3
=17 + 3
=20
Arco (2,4): (2) + 2 4
= 17 + 12
164
=29
Consultando a tabela podemos concluir que o caminho at o vrtice 3 tinha como

antecessor o vrtice 1 e (3) = 21. Assim como o valor agora obtido menor (3) =
20 ao anterior, selecciona-se o novo caminho e actualiza-se este mesmo = 20. Isto
significa que o antecessor do vrtice 3 passa a ser o 2 logo P(3)=2.
Em relao ao vrtice 4, segundo a tabela no h ainda caminho para o vrtice 4. O

caminho que parte do vrtice 2 certamente melhor pois 29 menor que + . O quadro
apresenta-se desta forma:
Vert. 1* 2* 3 4 5 6 7 8
vect
17 21 + + + + + +
P 1 1 0 0 0 0 0 0
29 + + + +
P 2 2 0 0 0 0
Etiqueta-se o vrtice 3 na rede e na tabela com (*) e podemos a partir dele ir para o
vrtice 4 e 5.
O caminho mais curto de 1 a 4 passando por 3 seria este composto pelo caminho curto
de 3 e pelo arco (3,4).
(3) + 34 = 20 + 17 = 37
Entretanto, existe j outro caminho de 1 a cujo = 29 logo no nos interessa este

caminho agora obtido. Para o vrtice 5 no existe ainda caminho mais curto a partir de
1, por isso o caminho que chega ao 5 tendo como antecessor o 3, ser o caminho mais
curto at 3 acrescido do arco (3,5) cujo comprimento determina-se: (3) + 35 = 20 +
25 = 35
Comparando com o actual (5) = +, decidimos actua (5) o antecessor do vrtice

5 passa a ser o 3 ou seja: P(5)=. Eis o quadro actual:
Vert. 1* 2* 3 4 5 6 7 8
vect
17 21 + + + + + +
P 1 1 0 0 0 0 0 0
.
29
35 + + +
3 0 0 0 +
P 2 0
Repetindo o raciocnio, mais uma vez escolhemos o vrtice que se encontra mais perto
de 1, ou seja aquele que apresenta o mnimo dos entre os vrtices no
165
Sabe-se que j foi obtido o caminho mais curto entre os vrtices 1 e 4. Etiqueta-se o
vrtice 4 e verifica-se que os sucessores so 6 e 7. Vejamos:
12 20
7
17 2 4 26
3
1 8
17
7
3 12 5 6
21 15
15
10
Para o vrtice 6 o caminho mais curto imediatamente pelo vrtice 4 ser o caminho
mais curto at 4 nos arcos (4,6) o que originara um comprimento total: (4) + 4 6 =
29 + 4 = 33. Comparando com o actual (6) + , preferimos o caminho novo e
actualizamos (6) = 33 (6) = 4
Para o vrtice 7 faz-se o raciocnio anlogo e actualizando (7) = 4 + 4 7 = 29 +

20 = 49 (7) = 4. O quadro toma a seguinte forma:
Vert. 1* 2* 3 4 5 6 7 8
vect

49 48
35
4 6
P 3
Neste momento nota-se que o vrtice com o caminho mais curto desde o vrtice 1 e o 6
com (6) = 33 logo o vrtice 6 etiquetado, sendo o vrtice 8 o seu sucessor no
etiquetado.
2 4 7
12 20
17 26
166
1 8
4
3
17
12
21 15
15 10
O caminho mais curto para 8 tendo 6 por vrtice antecessor ser ento o caminho mais
curto at 6 seguido do arco (6,8) com comprimento total(6) + 6 8 = 35 + 5 = 48.
Comparando com o actual comprimento (8) = +, novamente preferimos o novo
caminho e actualizamos (8) = 48 (8) = 6, logo teremos:
Vert. 1* 2* 3 4 5 6 7 8
vect

35
49 48
4 6
P 3
Actualmente, etiqueta-se o vrtice 5. O seu sucessor no etiquetado o 7. O

comprimento do caminho mais curto at ao 7 passando por 5 ser:
(5) + 5 7 = 35 + 8 = 43; comparando com o actual (7) = 49, verifica-se que

prefervel optar pelo novo caminho, actualizando (7) = 43 (7) = 5. Assim o
quadro ter a forma:
Vert. 1* 2* 3 4 5 6 7 8
Vect

43 48
4 6
P
Etiqueta-se em seguida o vrtice 7, porque o caminho mais curto e o seu sucessor no

etiquetado o 8.
Comparando novamente (7) + 7 8 = 43 + 26 = 69 com o actual vrtice 8

chegamos ao fim do algoritmo.
O quadro completo ter a forma:
Vert. 1* 2* 3 4 5 6 7 8
vect
167
0 21 + + + + +
P 1 1 1 0 0 0 0 0
29 + + + +
P 2 2 0 0 0 0
29
29
35 + + +
P 2 3 0 0 0
49 46
35
4 6
P 3
48
35
P 5 6

35
P 6
Resta apenas reconstruir o caminho mais curto donde o vrtice 1 ate ao vrtice 8. Para
isso verifica-se que o antecessor de 8 e 6 esse caminho o 6, ou seja (8) = 6, temos
assim:
6 8
Vamos ao vrtice 6 verificamos que o seu antecessor o 4, ou seja: (6) = 4, assim:
4 6 4
Qualogamente verificamos que o antecessor de 4 o 2 e que o antecessor deste 1:

(4) = 2 (2) = 1. Assim o caminho mais curto entre os vrtice 1 e 8 ser:
1 2 3 4 5
Com o comprimento (8) = 48, ou seja:
12
2 4 7 26
17
4168
3 17 8
1
8
21 15
3 5 6
4 10
A tabela resultante da aplicao do algoritmo de DIJKSTRA permite no s obter o

caminho mais curto entre o vrtice inicial e o vrtice final, soma tambm obter o
caminho mais curto mais curto entre o vrtice inicial e qualquer outro vrtice.
NOTA: Para concluir pode-se dizer que, desde que a oferta total seja igual a procura
total, o problema de transportes tem sempre soluo.
EXERCCIOS PARA RESOLVER
169
1. Uma companhia sediada no Porto pretende estabelecer o plano mais econmico para
as deslocaes dos seus vendedores s cidades onde existem representantes dos seus
produtos. A figura 1 mostra um mapa simplificado da regio em que os ns representam
as cidades e os arcos representam as ligaes possveis.
A cada arco est associado um valor, que representa o custo que a empresa atribui a esse
trajecto, em funo da distncia, das condies da entrada e da densidade do trfego.
Determine os percursos mais econmicos que os vendedores da empresa devero

efectuar entre a sede e todas as cidades.
2. Utilizando o algoritmo de Dijkstra, determine o caminho mais curto entre os ns S e

T, assim como o seu comprimento, nas seguintes redes:
a) S = 1 e T = 7
b) S = 1 e T = 11
3. Nas cidades de Porto, Braga, Bragana, Vila Real e Viseu, esto sediadas empresas
de diferentes ramos de actividade que tm necessidade de definir os trajectos mais
econmicos para as deslocaes dos seus vendedores entre a sede e as restantes cidades.
Considerando o mapa simplificado do problema 1, determine os percursos mais
econmicos para cada empresa.
4. Seja G = (N, A, C), com N = {1, 2, ..., 20}, uma rede dirigida. Sabe-se que o caminho
mais curto entre os ns 5 e 20 :
p = [5, 1, 13, 7, 18, 2, 20].
Qual o caminho mais curto entre os ns 1 e 2? E qual o seu comprimento, assumindo

que c(p) o comprimento do caminho p ? Justifique as suas respostas.
5. Uma empresa de Construo Civil ficou encarregue de construir uma rede de estradas
que sirvam uma certa regio. A figura em baixo mostra um mapa simplificado da regio
onde os ns representam as localidades a servir e os arcos representam as ligaes onde
tecnicamente possvel a construo de estradas. A cada arco est associada a distncia
entre as localidades que ele liga. Quais as ligaes a concretizar se a empresa quer
minimizar o comprimento de estradas a construir e ligar um qualquer par de
localidades?
6. Usando o algoritmo de Floyd, determine os caminhos mais curtos entre todos os

pares de ns da seguinte rede:
7. Uma empresa de telecomunicaes pretende servir uma regio com uma nova rede
telefnica. A figura em baixo mostra um mapa simplificado da regio onde os ns
representam as localidades a servir e os arcos representam as ligaes onde e
tecnicamente possvel o lanamento de cabos. a cada arco esta associada a distancia
entre as localidades que liga.
170
Quais as ligaes a concretizar se a empresa quer minimizar o comprimento de cabo
utilizado?
telefnica. A figura em baixo mostra um mapa simplificado da regio onde os ns
representam as localidades a servir e os arcos representam as ligaes onde
tecnicamente possvel o lanamento de cabos. A cada arco est associado a distncia
Quais as ligaes a concretizar se a empresa quer minimizar o comprimento de cabo

utilizado?
9. A rede da figura em baixo representa uma parte do sistema rodovirio de uma cidade.
O custo associado a cada arco representa o tempo mdio em minutos que o trfego
demora nesse percurso. A cada mudana de direco num cruzamento est associada
uma penalizao adicional de 3 minutos. Qual o caminho mais rpido entre o n 1 e o
n 8?
10. Comente a veracidade das seguintes afirmaes:
a) Num problema de caminho mais curto, se o comprimento de todos os arcos for

aumentado em k unidades, o comprimento do caminho mais curto aumentado num
mltiplo de k.
b) Se todos os arcos numa rede tiverem comprimentos diferentes, ento o caminho

mais curto entre quaisquer dois ele nico.
(Sugesto: Nas verdadeiras justifique por palavras suas e nas falsas apresente um contra
exemplo).
11. Dada a rede da figura em baixo onde a cada arco esta associado uma capacidade,
qual o fluxo mximo que pode ser enviado do n origem (1 ) para o n terminal (5) ?
12. A empresa Paga & Ri, L.da. proprietria de um parque de diverses. Na figura em
baixo, os ns representam os pontos de diverso e os arcos as respectivas ligaes, onde
os visitantes so transportados por pequenos comboios elctricos. Dado que os
caminhos so algo acidentados, geograficamente, e o material circulante apresenta
sinais de envelhecimento, apenas podem ser realizadas diariamente as viagens
assinaladas. Assumindo que os comboios andam sempre cheios, quais so os percursos
e quantos comboios devem circular de modo a levar o mximo nmero de visitantes
dirios da entrada (n 1) para a montanha russa (n 7). Considere a situao em que no
h viagens como soluo inicial.
13. Na rede da figura em baixo, onde a cada arco est associado a respectiva
capacidade, calcule o fluxo mximo que possvel enviar do n origem 1 para o n
destino 5 (o fluxo inicial nulo).
171
Assinale graficamente o corte mnimo e calcule a respectiva capacidade.
14. Uma companhia sediada no n 3 pretende estabelecer o plano mais econmico para
as deslocaes dos seus vendedores s cidades onde existem representantes dos seus
produtos. A figura seguinte mostra um mapa simplificado da regio em que os ns
representam as cidades e os arcos as ligaes possveis.
a) A cada arco esta associado um valor, que representa o custo que a empresa atribui a
esse trajecto, em funo da distncia, das condies da entrada e da densidade do
trfego.
b) Determine os percursos mais econmicos que os vendedores da empresa devero

15. Na rede da figura a cada arco (i, j) est associado a sua capacidade, bij, e o fluxo
existente, xij.
a) Determine o fluxo que actualmente chega ao n 4 e o que sai do n 5.
b) Determine o fluxo mximo que pode ser enviado do n 1 para o n 6.
c) Determine o corte mnimo da rede.
16. Na rede da figura a cada arco (i, j) est associado a sua capacidade, bij, e o fluxo
existente, xij.
a) Determine o fluxo que actualmente sai do n 6 e o fluxo que chega no n 2.
c) Determine o corte mnimo da rede. Justifique.
17. Na rede da figura em baixo, onde a cada arco est associado a respectiva
capacidade, calcule o fluxo mximo que possvel enviar do n origem 1 para o n
destino 5 (o fluxo inicial nulo).
18. Na rede da figura, a cada arco (i,j) est associado a sua capacidade, bij, e o fluxo ai
existente, xij.
a) Calcule o fluxo actual da rede (enviado do n 1 para o n 6).
b) Calcule o fluxo mximo que pode ser enviado do n 1 para o n 6.
c) Determine o corte mnimo da rede e mostre que a sua capacidade igual ao fluxo
mximo.
Na rede da figura, a cada arco (i,j) est associado a sua capacidade, bij, e o fluxo ai
existente, xij.
172
a) Determine o fluxo que actualmente pode ser enviado do n 1 para o n 6.
c) Determine o corte mnimo da rede.
19.Uma companhia cedida no Benguela pretende estabelecer um plano mais econmico

para as deslocaes dos seus vendedores s cidades onde existe representante dos seus
produtos. A figura 1 mostra um mapa simplificado da regio em que nos representam as
cidades e os aos representam as ligaes possveis:
200
Caxito 2 4
100
60
Malanje
Ndalatando
120
3
Luanda 1 200
120
70 Gabela
5 150
130 6 Lubango
8
Sumbe
60 150
7
Lobito
Cada arco esta associado a um valor, que representa o custo que a empresa atribiu a esse
trajecto, em funo da distancia, das condies da entrada e da densidade do trfego.
Determine os percursos mais econmico que os vendedores da empresa devero

20. Utilizando o algoritmo de Dijkstra, determine o caminho mais curto entre os nos S e
T, assim como seu comprimento, nas seguintes redes:
a) S = 1 e T = 7
2 7
4
6
1 5 5
6
1 1 7
3
173
4
2 8
6
b) S = 15 e T =11
4
3 4
2 5 8
7
4 5 2 2 2
2
6 2 5 8
1 3 6 9 11
4 5 1 2
3 4
3
6 5
4 7 10
21. Nas cidades de Benguela,Sumbe , Lubango, Gabela e Luanda, esto sediadas

empresas de diferente ramo de actividade que tem necessidade de definir os trajectos
mais econmicos para as deslocaes dos seus vendedores entre a sede e as restantes
cidades. Considerando o mapa simplificando do problema 1, determine o percurso mais
econmico para cada empresa.
22. Seja G=(N,A,C), com N={1,2, , 20}, uma rede dirigida. Sabe-se que o caminho
mais curto entre os nos 5 e 20 :
[5,1,13,7,18,2,20].
Qual o caminho mais curto entre os nos 1 e 2? Qual o seu comprimento, assumido
que c (p) o comprimento do caminho p? Justifique as suas respostas.
23. Uma empresa de construo civil ficou encarregue de construir uma rede de estrada
que servia uma certa regio. A figura em baixo mostra um mapa simplificado da regio
onde os nos representam nas. Localidades a servir e os arcos representam ligaes onde
tecnicamente possvel a construo de estrada. A cada arco esta associada a distancia
entre as localidades que ele liga.
20
2 4
6 10 20
174
1 3 6
12 12
15
7 13
25 5
Quais as ligaes a concretizar se a empresa quer minimizar o comprimento de estradas

a construir e ligar um qualquer par de localidades?
24. Usando o algoritmo de Floyd, determine o caminho mais curto entre todos os pares
de ns da seguinte rede
1 2
5 2
telefnica.A figura abaixo mostra um mapa simplificado da regio onde os ns
representam as localidades a servir e os arcos representam as ligaes onde
tecnicamente possvel o lanamento de cabos. A cada arco esta associada a distancia
3
5 2 5
9
1 4
7 7
1 3 5
5
2
Quais as liga as ligaes a concretizar se a empresa quer minimizar o comprimento de
cabo utilizado. 4 6 6
4
4
26. A empresa Paga & Ri, Lda. proprietria de um parque de diverses. Na figura em
baixo, os ns representam os pontos de diverso e os arcos as respectiva ligaes, onde
os visitante so transportados por pequenos comboios elctricos. Dado que os caminhos
175
so algo acidentados, geograficamente, e o material circulante apresenta sinais de
envelhecimento, apenas podem ser realizadas diariamente as viagens assinaladas.
Assumindo que os comboios andam sempre cheios, quais so os percursos e quantos
comboios devem circular de modo a levar o mximo numero de visitante dirios de
entrada (n 7). Considere a situao em que no h viagens como soluo inicial.
3
5 2 5
9
1 4
7
1 3 1 7
5
2
4 6
4
4
6
27. Na rede da figura em baixo, onde a cada arco esta associada a respectiva capacidade,
calcule o fluxo mximo que possvel enviar do n origem 1 para o no destino 5 (o
fluxo inicial nulo)
5
2
4
3
4
2 2
1
6
8 5
REFERNCIAS BIBLIOGRFICAS
1. Mirshawka Victor: Aplicaes de Pesquisa Operacional, So Paulo 1981.
176
2. K. M. Anstreicher: Linear programming in Operations.SIAM Journal on
Optimization Vol. 9, N. 4, pp. 803-812, 1999.
3. Marcos Arenales Vincios Armentano, Reinado Morabito e Horcio Yanasse :

Pesquisa Operacional para Cursos de Engenharia, 2006.
4. A. Arbel. Exploring Interior-Point Linear Programming: Algorithms

and Software. Foundations of Computing Series, MIT Press, 1993.
5. E. R. Barnes. A variation on Karmarkars algorithm for solving Linear

Programming problems Mathematical Programming 36 (1986) 174-182.
6. L. Boldrini, S. I. R. Costa, V. L. Figueiredo e H. G. Wetzler : Algebra

.3a edio, Harbra, 1984.
7. P. F. Bregalda, A. A. F. de Oliveira e C. T. Bornstein. Introduo

Programao Linear. 3a edio, Campus, 1988.
8. I. I. Dikin. On the convergence of an iterative process. Upravlyaemye

Sistemy 12 (1974) 54-60. (Em Russo.)
9. V. G. Karmanov : Programao Matrmtica. Moscovo 1989 ( em russo)
10. M. C. Goldbarg e H. P. L. Luna. Optimizao combinatria e Programa

o Linear: Modelos e Algoritmos. Campus, 2000.
11. P. E. Danko, A. G. Papov e T. Y. Kojevnikova : Matemtica Superior

Elementos de programao Linear pp 271 293. 6 edio 2007 ( em russo).
12. Miguel Loureiro : Investigao Operacional Licenciatura terminal. 2006

Lisboa.
13. D. Goldfarb e J. K. Reid. A practicable steepest-edge simplex algorithm.

Mathematical Programming 12 (1977) 361-371.
14. N. Karmarkar. A new polynomial time algorithm for linear programming.

Combinatorica 4 (1984) 373-395.
15. E. L. Lima. Curso de Anlise. Volume 2, Projeto Euclides,

IMPA/CNPq, 1981.
16. N. Maculan e M. V. F. Pereira. Programao Linear. Atlas, 1980.
17. N. Maculan. Programao Linear: Mtodo do Simplex. Notas de aula

em 1998.
18. C. A. de J. Martinhon. Programao Linear e Algoritmos de Pontos
Interiores: uma introduo a VI Semana do Instituto de Matemtica e
Fsica da UFG (Minicurso), 27 pginas, 1991.
19. M. A. F. Menezes e R. Vieira. Um prottipo parcial para um sistema
177
de raes para bovinos. II Encontro de Matematica Aplicada e
Computacional em Braslia, 2001.
20. M. A. F. Menezes. Um algoritmo de ponto-interior-invivel com

Complexidade O (pnl) iteraes para programao linear. Tese de
Doutorado pela COPPE/UFRJ, defendida sob a orientao do
Professor Clvis C. Gonzaga em 1998.
21. A. A. Namen e C. T. Bornstein. Uma ferramenta para avaliao de

Resultados de diversos modelos de otimizao de dietas. Pesquisa
Operacional, v. 24, n. 3, p. 445-465, 2004.
22. R. J. Vanderbei, M. S. Meketon e B. A. Freedman. A Modification of

Karmarkars Linear Programming Algorithm. Algorithmica 1 (1986)
395-407.
23. Richard Brouson e Govindasami Naadimuthu : Investigao Operacional. 2001.
24. Manuela Hill, Mariana Marques dos Santos e Ana Lbano: Investigao
Operacional I, II, III. 2008
25. Manuel Alberto Ferreira e Isabel Amaral: Matemtica Programao

Matemtica. Lisboa 1995.
26. Saul I. Gass : Programao Linear Mtodos e aplicaes. 1971, Cidade do

Mxico.
27. Jorge Guerreiro Alpio, Manuel Ramalhete, MacGrawn Hill: Programao

Linear I, II. 1998
28. H. Libermen e MacGrawn Hill : Introducion to operational research. 2009.
29. http//www.ericolisboa.eng.br
30. Documentos do XXIV Encontro Nacional de engenharia de produo Brasil

2004.
31. Erico Lisboa : Apostila de Pesquisa Operacional 2006
32. Fernando Martins : Introduo a Pesquisa Operacional Teoria dos grafos

2001.
33. BARBIER, Rene. A pesquisa-Ao. Traduo Lucie Didio. Brasilia: Liber
Livro Editora, 2004.159 p. Serie Pesquisa em Educao. v. 3.
34. BIEMBENGUT, Maria Salett; HEIN, Nelson. Modelagem Matemtica no
Ensino. So Paulo:Contexto, 2000. 127 p.
178
35. CHESLT, Kenneth R; EDWARDS,Thomas G. Does This Line Ever Move?:
Everyday Applicationsof Operations Research. Emeryville, CA: Key
Curriculum Press, 2005. 144 p. ISBN: 1-55953-673-X.
36. COSTA, Jos de Jesus da. Tpicos de Pesquisa Operacional. 2. ed. Rio de
Janeiro: Editora Rio, 1975. p. 280.
37. LOESCH, Cludio; HEIN, Nelson. Pesquisa Operacional: Fundamentos e
modelos. Blumenal:Editora da FURB, 1999. 270 p.
38. CUKIERMAN, Zigmundo Salomao. O modelo PERT/COM aplicado a
projectos: panejamento para o futuro. 7. ed. Rio de Janeiro: Reichman & Affonso
Editora, 2000. 216 p.
39. HAGUETTE, Teresa M. Frota. Metodologia Qualitativa da Sociologia. 2. ed.
Rio de Janeiro: vozes, 1990. 168 p.
40. HERNANDEZ Fernando. Transgresso e Mudana na Educao: os
projectos de trabalho. Traduo
Jussara Haubert Rodrigues. Porto Alegre: ArtMed, 1998.
41. HILLER, Frederick S; LIEBERMAN, Gerald J. Introduo Pesquisa
Operacional. Traduo
42. Helena L. Lemos. 1. ed. Rio de Janeiro: Campus; So Paulo: Editora da
Universidade de So Paulo, 1988. 805 p. Traduo de: Introduction to Operations
Research. Third edition.
43. LOESCH, Cludio; HEIN, Nelson. Pesquisa Operacional: fundamentos e
modelos. Blumenau: Editora da FURBE, 1999. 270 p
44. MATOS, Joo Filipe (Coord.); CAREIRA Paula Susana; SANTOS, Madalena
Pinto dos; AMORIM, Isabel. Modelao Matemtica. Lisboa: Universidade
Aberta, 1995. 188 p.
45. MORGADO, Augusto C., WAGNER, Eduardo, ZANI. Sheila C. Progresso e
Matemtica Financeira. Rio de Janeiro: Sociedade Brasileira de Matemtica, 1993.
100 p. Coleco do Professorde Matemtica.
4
6. MOURA, Dacio Guimares de, BARBOSA, F. Barbosa. Trabalhando com
Projectos: panejamento e gesto de projectos educacionais. Petropolis, RJ: Vozes,
2006. 246 p.
47. PRADO, Darci Santos do. Programao Linear. Belo Horizonte: INDG
Tecnologia e Servios Ltda, 2003, 206 p, il.: (Serie Pesquisa Operacional v. 1).
179
48. STEFE, Rodrigo. Projectos Pedaggicos Interdisciplinares Utilizando
Softwares de Produtividades: uma experiencia no ensino fundamental. Dissertao
(Mestrado Integrado Profissional em Computacao) Universidade Estadual do
Ceara (UECE) e Centro Federal de Educacao Tecnologica do Ceara (CEFET-CE).
Ceara, 2006. 122 p.
49. STANGER, Luiz B. Nocoes Preliminares. Estabelecimento de um Programa de
Pesquisa ou de Producao. Tecnica para Montagem de uma Rede PERT. In: CPM-
CPM: tecnica de planejamento e controle. 1. ed. rev. Rio de Janeiro: Livros
Tecnicos e Cientificos, 1976 (cap. 1, 2 e 3).
50. THIOLLENT, Michel. Metodologia da pesquisa-ao. 13. ed. So Paulo:
Cortez, 2004. (Coleco temas bsicos de pesquisa-acao).
51. TRALDI JUNIOR, Armando. Sistema de Inequaes do 1. Grau: uma
abordagem do processo
Ensino-aprendizagem focando os registos de representaes. Dissertao (Mestrado
em EducaoMatemtica) -Pontifcia Universidade Catlica de So Paulo, So
Paulo, 2002. 112 p. Impresso.
52. TRIVINOS, Augusto Nibaldo Silva. Introduo Pesquisa em Cincias
Sociais: a pesquisa qualitativa em educacao. 1. ed. Sao Paulo: Atlas, 1928. 175 p.
53. SILVA, Carlos Alberto da. Uma metodologia para o ensino Operacional no
Ensino Tcnico de Nvel mdio: Estudo de Caso na UNED- Imperatriz/MA.
Dissertao (Mestrado Integrado Profissional em Computao) Universidade
Estadual do Ceara (UECE) e Centro Federal de EducaoTecnolgica do Ceara
(CEFET-CE). Ceara, Fevereiro/2009. 54. WEISS, Neil; YOSELOFF, Mark.
Matemtica Finita. Traduo Roberto Angelo de Barros Padilha. Inc. 1975; Rio de
Janeiro: Guanabara Dois: 1978. 584 p. Traduo de: Finite Mathematics.Worth
Publishers Inc.: New York.
180

Apontamentos de Introdução Ao Estudo de Pesquisa Operacioal Versão Final 1

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Apontamentos de Introdução Ao Estudo de Pesquisa Operacioal Versão Final 1

Hochgeladen von

Copyright:

Verfügbare Formate

APONTAMENTOS DE INTRODUO AO

ProfessorDoutor Jos Antnio Fazenda

TEMA UM: Breve historial da Investigao Operacional3

1. A natureza da Investigao Operacional 4

TEMA DOIS: Programao Linear..8

1. Fases de estudo de um problema de programao Linear .8

TEMA TRS: Resoluo Grfica de Problema de Programao Linear ..19

TEMA QUATRO: Forma Padro ou standard de um Problema de P.L. .. 29

TEMA CINCO: O mtodo Simplex 33

1. Conjunto de passos que constituem o Mtodo Simplex 40

TEMA SEIS: Outra forma do Mtodo Simplex .. 52

1. Custos e penalizaes. Soluo inicial admissvel . 53

TEMA SETE: Problemas Modelados 65

TEMA OITO: Anlise de Sensibilidade . 70

1. Anlise Ps Optimalidade ,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, 71

2. Um Exemplo de Problema de Transporte

1. Conceito Bsico em Teoria de Grafos

3.1.1. O algoritmo de DIJKSTRA

4. O problema do Fluxo Mximo

4.1.1. Corte de uma Rede

5. O Problema do Fluxo de Custo Mnimo

Em sua origem, a pesquisa operacional surge desde o advento da Revoluo Industrial,

Esses tipos de problema e a necessidade de encontrar o melhor caminho para solucion-

Quando a guerra acabou, o sucesso da IO no empreendimento blico despertou

Vrias ferramentas padro da IO, como programao linear, programao dinmica,

1. A NATUREZA DA INVESTIGAO OPERACIONAL

Como o prprio nome indica, a pesquisa operacional envolve pesquisa sobre

Portanto, a gama de aplicaes excepcionalmente grande. Parte do termo significa

A prxima etapa construir um modelo cientfico (tipicamente matemtico) que tenta

Portanto, para ser bem-sucedida, a IO tambm precisa, quando necessrio, fornecer

Uma caracterstica a mais que a IO tenta, frequentemente, encontrar uma melhor

Todas essas caractersticas levam quase naturalmente a outra. evidente que no se

Uma importante parte destes apontamentos, a apresentao dos principais algoritmos

Atualmente,uma abordagem muito conhecida o uso do programa de planilhas mais

Nota importante para estudantes de engenharia informtica

Pesquisa Operacional = Investigao das Operaes.

Operao = Conjunto de atos necessrios para obter determinados resultado.

Investigao = Pesquisa que conduz o resultado que so imediatamente utilizveis fora

Definio: A IO a cincia aplicada vocacionada na resoluo de um problema da vida

Atravs de desenvolvimento de base quantitativa, a IO visa tambm introduzir

Nota: Diz-se que um individuo (ou um grupo) tem um problema se e s se:

Deseja atingir determinados objetivos,

3. A MODELAGEM NA INVESTIGAO OPERACIONAL

Grande parte destesapontamentos dedicada aos mtodos matemticos da investigao

Modelos Icnicos: So representaes reduzidas de estado, objetos ou acontecimentos.

Modelos Analgicos: Em se entrega uma propriedade para representar outra. Por

Modelos Simblicos: So aqueles em que as propriedades dos fenmenos reais so

Definio: Os modelosmatemticosso tambm apresentadas idealizadas, mas

Os modelos matemticosutilizados na IOso tcnicas quantitativas que formam a parte

Definio: A programao linear uma tcnica da PO. Esta denominao se atribui

Ela consiste em dispor os dados de um problema cujas incgnitas guardam relaes

Quando o nmero de incgnitas igual a 2 ou 3 o sistema admite uma soluo grfica.

Misturas de ingredientes com composio e preos conhecidos para atenderem a

Transporte, distribuio ou alocao, em que se procura determinar as quantidades a

Programas de Produo ou limitao de recursos nos sectores agrcolas, industrial ou de

1. FASES DE ESTUDO EM INVESTIGAO OPERACIONAL(para a

Uma forma de se sintetizar as fases usuais para resolver um problema Investigao

Alm disso, sero levantadas as limitaes tcnicas do sistema e as relaes desse

Deve determinar os objetivos adequados, as restries necessrias, as inter-relaes

A formulao inicial deve ser continuamente reexaminada, luz de novos

II. Construo do ModeloMatemtico

A estrutura modelo matemtico a seguinte:

Variveis de deciso correspondem as quantidade de decises a serem tomadas e

NOTA: Um passo importante na formulao de modelo matemtico a construo da