Anda di halaman 1dari 102

Andrea Cardoso

Fundamentos da
PESQUISA OPERACIONAL
UNIFAL-MG
Fevereiro 2011
SUM

ARIO
1 Conhecendo a Pesquisa Operacional 4
1.1 Modelos Matematicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2 Primeiros Exemplos e Aplica coes . . . . . . . . . . . . . . . . . . . . . . . 8
1.3 Lista de Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2 Programacao Matematica 24
2.1 Modelos de Otimiza cao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.2 Problemas de Programac ao Matem atica . . . . . . . . . . . . . . . . . . . 28
2.3 Lista de Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3 Programacao Linear 44
3.1 Estruturac ao de Modelos Lineares . . . . . . . . . . . . . . . . . . . . . . . 45
3.2 Resoluc ao Graca de um PPL . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.2.1 Representac ao Gr aca das Restri coes . . . . . . . . . . . . . . . . . 48
3.2.2 Representac ao Gr aca da Func ao Objetivo . . . . . . . . . . . . . . 54
3.2.3 Solucoes do Modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
3.3 Lista de Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
4 Resolucao de PPL 64
4.1 Estruturac ao de Modelos Lineares . . . . . . . . . . . . . . . . . . . . . . . 64
4.2 Fundamentac ao Te orica . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.3 Lista de Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
2
5 O Metodo Simplex 79
5.1 Fluxograma para soluc oes nitas . . . . . . . . . . . . . . . . . . . . . . . 91
5.2 An alise de Sensibilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
5.3 Lista de Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
5.4 Lista de Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
CAP

ITULO 1
CONHECENDO A PESQUISA OPERACIONAL
O termo Pesquisa Operacional (PO) designa uma area do conhecimento que consiste no
desenvolvimento de metodos cientcos de sistemas complexos, com a nalidade de prever
e comparar estrategias ou decisoes alternativas, cujo objetivo e dar suporte ` a denic ao de
polticas e determinac ao de ac oes.
O trabalho do matem atico russo Leonid Kantorovich de 1939 intitulado Metodos
matem aticos na organizac ao e no planejamento de produc ao e considerado um dos pre-
cursores da PO, porem manteve-se desconhecido da comunidade cientca ocidental ate
1959. O pr oprio termo Pesquisa Operacional, do ingles Operations Research, foi cunhado
pelo matem atico russo na tentativa de englobar, sob uma unica denominac ao, todas as
tecnicas existentes ou que viriam a ser desenvolvidas e que tinham o mesmo objetivo
citado. De fato, o termo PO designa um conjunto de disciplinas isoladas tais como Pro-
gramac ao Linear, Teoria das Filas, Simulacao, Programac ao Dinamica, Teoria dos Jogos,
dentre outras.
A Pesquisa Operacional tal qual como a conhecemos surgiu durante a Segunda Guerra
Mundial tendo como objetivo o desenvolvimento de metodologia para solucao de prob-
lemas relacionados com as operac oes militares quando os Aliados se viram confrontados
com problemas complexos de natureza logstica, t atica e de estrategia militar. Para apoiar
os comandos operacionais na resolucao desses problemas foram criados grupos multidis-
ciplinares compostos por matem aticos, fsicos, engenheiros e cientistas sociais. O que
esses cientistas zeram foi aplicar o metodo cientco, que t ao bem conheciam, aos pro-
blemas que lhes foram sendo colocados. Desenvolveram entao a ideia de criar modelos
4
5
matem aticos, apoiados em dados e fatos, que lhes permitissem perceber os problemas em
estudo, simular e avaliar o resultado hipotetico de estrategias bem como propor decis oes
alternativas. Em 1941 a Inglaterra inaugura a Se cao de Pesquisa Operacional do Co-
mando da For ca Aerea de Combate para trabalhar com problemas de operacoes de guerra,
manuten cao e inspec ao de avi oes, melhoria da probabilidade de destrui cao de submarinos,
controle de artilharia antiaerea, dimensionamento de comboios de frota, entre outros.
O sucesso e credibilidade ganhos durante a guerra foram t ao grandes que, terminado o
conito, esses grupos de cientistas e a sua nova metodologia de abordagem dos problemas
se transferiram para as empresas que, com o vertiginoso crescimento econ omico que se
seguiu, se viram tambem confrontadas com problemas de decisao de grande complexidade.
Em 1947 os Estados Unidos implantam o projeto SCOP (Scientic Computation of Op-
timal Programs) com o objetivo de apoiar decis oes de operac oes da forca aerea americana,
coordenado por um economista e por um matem atico George Dantzig que desenvolveu e
formalizou o Metodo Simplex para resolver problemas de otimizac ao linear.
Face ao seu car ater multidisciplinar, atualmente as contribui coes da PO estende-se
por praticamente todos os domnios da atividade humana, da Engenharia ` a Medicina,
passando pela Economia e `a Gest ao Empresarial.
Os ramos mais importantes desenvolvidos em PO s ao:
Programacao Matematica Outros Ramos
Programac ao Linear An alise Estatstica
Programac ao Nao Linear Teoria dos Jogos
Programac ao Dinamica Teoria das Filas
Programac ao Inteira Simula cao
Otimizac ao Global Gest ao de estoques
Resumidamente podemos dizer que o objetivo principal da PO e determinar a pro-
gramac ao otimizada de atividades ou recursos, fornecendo um conjunto de procedimentos
e metodos quantitativos para tratar de forma sistematizada problemas que envolvam a
utilizac ao de recursos escassos. Para apoiar a tomada de decisao, a PO busca a soluc ao
de problemas que podem ser representados por modelos matem aticos.
De modo geral, para a resoluc ao de um problema, um estudo de PO e desenvolvido
em fases como indicado no esquema abaixo.
6 CAP

ITULO 1. CONHECENDO A PESQUISA OPERACIONAL


Figura 1.1: Passos para implementacao de PO
Identicado o problema a ser estudado, a fase de formulacao consiste na estruturac ao
dos dados e informacoes disponveis, a proxima fase de modelagem concentra-se na cons-
truc ao do modelo que e uma representacao simplicada do sistema, em geral descrito
por um conjunto de equac oes e desigualdades matem aticas. A solucao e obtida atraves
de um metodo que pode ser um procedimento matematico ou algoritmo para alcan car o
resultado. A avaliacao consiste na validac ao do modelo, nesta fase ajustes podem ser
feitos. A decisao e a escolha e operacionalizac ao da soluc ao encontrada.
As fases de formulac ao e modelagem do problema devem ser executadas com muita
responsabilidade pois

E muito difcil encontrar uma solu cao certa para um problema mal
formulado!.
1.1 Modelos Matematicos
Observar, compreender, reproduzir e aprimorar fen omenos, que podem ser naturais, soci-
ais ou econ omicos, tem sido desde sempre uma preocupac ao basica da Ciencia. Eventual-
mente tais fenomenos podem ser controlaveis e haver a ent ao condi coes de realizar previsoes
com pequeno nvel de incerteza, para tanto e necessaria a construcao de modelos que sao
representa coes idealizadas para tais fen omenos, processos ou sistemas.
Um modelo descreve, representa e imita o procedimento que ocorre no mundo real, es-
tabelecendo o relacionamento das variaveis com os objetivos, da melhor maneira possvel,
obedecendo `a limitac ao de tempo e de custo. Os modelos podem ser assim classicados:
1.1. MODELOS MATEM

ATICOS 7
verbais: quando sao descritos e representados por palavras e sentencas.
fsicos: quando representados por algum tipo de material concreto, alterando-se suas
dimens oes, formato e custo. Por exemplo: maquetes e prot otipos.
esquematicos: quando descritos por meio de gr acos, tabelas ou diagramas.
matematicos: quando representados por relac oes matematicas, como equa coes, inequa-
c oes, funcoes ou logica simb olica.
Um modelo matematico e uma representac ao simplicada de uma situacao real e deve
reetir a essencia do problema, representando as grandezas envolvidas por variaveis e as
relac oes de interdependencia existentes entre elas por express oes matem aticas. Esquemati-
camente, um modelo matem atico pode ser visto como uma Caixa Preta, representando as
relac oes que descrevem a dependencia das vari aveis, que recebe a entrada formada pelas
vari aveis do problema que se quer otimizar e processa essas informac oes para produzir a
sada que e a solucao do problema ou resultado da decisao.
Entrada
Sada
Modelo
Matemtico
O modelo mais adequado depende de varios fatores: a natureza das relac oes entre
as variaveis, os objetivos almejados, a extens ao do controle sobre as variaveis e o nvel
de incerteza existente tanto nas relac oes entre as vari aveis como na pr opria denic ao
das vari aveis. Para cada conjunto de situacoes especcas o modelo matem atico, dora-
vante denominado somente modelo, dever a ter uma forma padronizada e a solucao poder a
ser obtida por metodos matem aticos especcos para cada caso, que serao estudados
posteriormente.
De maneira geral, um problema de tomada de decis ao requer soluc ao que responda a
tres perguntas:
1. Qual e a meta a ser atingida? (objetivo)
2. Quais s ao as alternativas para a decisao? (variaveis de decisao)
3. Sob quais condic oes a decis ao deve ser tomada? (restricoes)
8 CAP

ITULO 1. CONHECENDO A PESQUISA OPERACIONAL


1.2 Primeiros Exemplos e Aplicac oes
Nesta sec ao ser ao apresentadas os primeiras formulac oes de problemas de otimizac ao como
auxlio na tomada de decis ao, para serem analisados, modelados e, exceto o sexto exemplo,
resolvidos. Os tres primeiros exemplos s ao bem simples e podem ser resolvidos intuitiva-
mente ou por enumerac ao n ao necessitando de modelos matem aticos formais. O quarto
problema requer o uso de planilhas eletr onicas para realizar simulac oes de maneira mais
r apida e ecaz. O quinto problema necessita de conhecimentos previos de C alculo Diferen-
cial. O sexto exemplo, e um pouco mais complexos e necessita de modelos matematicos
estruturados de Programacao Matematica assunto do captulo seguinte cujas tecnicas de
resoluc ao serao estudadas no captulo 3. Finalmente, o setimo exemplo apresenta um
problema classico da Teoria dos Jogos e suas implicac oes.
Exemplo 1.1. O problema da dona-de-casa
1
Considere a situac ao em que uma dona de casa precisa decidir entre comprar manteiga
ou margarina para o consumo da famlia. Ela vai seguir intuitivamente um raciocnio
l ogico atraves do qual procurara alinhar as vantagens e desvantagens de cada alternativa,
segundo seus criterios de decis ao.
De incio, a dona de casa ir a identicar as diferencas entre os produtos segundo v arios
fatores que poderiam ser tomados para comparacao como: o custo, o sabor, a durabilidade,
a consistencia quando gelado, os efeitos para sa ude, dentre outros. Para simplicar, ela se
limitar a a avaliar apenas os itens que considera mais importantes: custo, sabor e efeitos
para a sa ude. Esses ser ao os criterios para a tomada de decis ao da dona-de-casa.
As consequencias de cada alternativa ser ao:
1. Comprando manteiga, a dona-de-casa
gasta mais dinheiro;
agrada a famlia;
p oe em risco a famlia devido ao teor mais alto de colesterol.
2. Comprando margarina, a dona-de-casa
economiza dinheiro;
desagrada a famlia;
n ao coloca em risco a sa ude da famlia.
1
Extrado de Andrade, 2004
1.2. PRIMEIROS EXEMPLOS E APLICAC

OES 9
Dependendo do peso que atribuir a cada consequencia, a dona-de-casa podera chegar
a uma conclusao. Se, por exemplo, a restric ao da famlia for dinheiro, a decis ao que lhe
parecer a melhor ser a comprar margarina.
Exemplo 1.2. Problema da travessia do rio
Imagine que voce esteja a margem leste de um rio juntamente com tres amigos Felipe,
Jo ao e Kelly. Voces querem atravessar para a margem oeste e disp oem de um unico meio
de locomoc ao, uma canoa que pode levar no maximo duas pessoas por vez e n ao pode
ir nem voltar vazia. Voce tem constitui cao mais atletica e pode atravessar o rio a remo
em 1 minuto, enquanto Felipe, Jo ao e Kelly levam 2, 5 e 10 minutos, respectivamente.
Se houver duas pessoas na canoa, o tempo da travessia sera a media dos tempos que
seriam gastos individualmente. Apos duas travessias seguidas a pessoa ca cansada e leva
o dobro do tempo para atravessar o rio. Como e mais conveniente realizar a travessia de
modo que os quatro estejam do outro lado do rio no menor tempo possvel?
As seguintes alternativas podem ser consideradas:
1. Ir voce e Felipe, voce volta pega Joao, voce volta e pega Kelly.
2. Ir voce e Felipe, Felipe volta pega Joao, voce volta e pega Kelly.
3. Ir voce e Felipe, voce volta vai Jo ao e Kelly, Felipe volta e pega voce.
Calculando os tempos gastos em cada uma das alternativas, temos:
T
1
= 1, 5 + 1 + 3, 5 + 2 + 6 = 14 min
T
2
= 1, 5 + 2 + 4, 5 + 1 + 5, 5 = 14, 5 min
T
3
= 1, 5 + 1 + 7, 5 + 2 + 1, 5 = 13, 5 = 13, 5 min
Dentre as tres alternativas, a melhor e a alternativa 3, onde o tempo total para a
travessia sera de 13,5 minutos. Voce pode identicar alternativas distintas cujo tempo
seja igual a 13,5 minutos? Existe outra alternativa melhor?
Variaveis de decisao: Alternativas 1, 2 e 3
10 CAP

ITULO 1. CONHECENDO A PESQUISA OPERACIONAL


Objetivo: Minimizar o tempo de travessia
Restricoes: Tempo individual para travessia,
Duas pessoas por vez na canoa,
A canoa n ao atravessa o rio sozinha,
Penalidade para atravessar mais que duas vezes seguidas.
Exemplo 1.3. Decisao com risco ou incerteza
2
A tabela seguinte apresenta os retornos (ganhos ou perdas medias) para um valor xo
de insvetimento associados `as decis oes de investir em conta poupanca, em d olar ou fundos
de investimentos.
Decisao A
1
Decisao A
2
Decisao A
3
Estados possveis Probabilidades Investir em Investir em Investir em
da economia poupanca dolar fundos
S
1
: Recessao 0,40 $ 300 $ 400 - $ 100
S
2
: Estabilidade 0,40 $ 300 $ 300 $ 200
S
3
: Expansao 0,20 $ 300 $ 200 $ 700
Qual e o melhor investimento?
Se a decis ao for baseada nos valores medios ou esperados dos ganhos, teremos:
GA
1
= 0, 40 300 + 0, 4 300 + 0, 2 300 = 300
GA
2
= 0, 40 400 + 0, 4 300 + 0, 2 200 = 320
GA
3
= 0, 40 (100) + 0, 4 200 + 0, 2 700 = 180
a melhor decis ao a ser tomada e a alternativa A
2
, investir em d olar.
Variaveis de decisao: Investir em A
1
, A
2
ou A
3
Objetivo: Maximizar o retorno
Restricoes: Estados possveis da economia, probabilidades e retornos.
2
Baseado em Shimizu, 2006
1.2. PRIMEIROS EXEMPLOS E APLICAC

OES 11
Exemplo 1.4. O caso da Casa das Esrras
A Casa das Esrras produz e comercializa esrras de carne a partir de dois ingredientes
b asicos: massa e recheio. A empresa necessita estabelecer um modelo para simulac ao de
lucros que lhe permita a formacao do melhor preco de venda a ser praticado. Considera-se
que o preco unit ario da esrra e o preco medio praticado pela concorrencia s ao os unicos
fatores relevantes na determina cao da demanda. Atualmente a empresa pratica o mesmo
preco medio do mercado local e comercializa 70.000 unidades de esrras mensalmente.
Um estudo encomendado pela empresa constatou que, a cada 1% a menos cobrado pela
unidade de esrra em rela cao ao pre co medio praticado pela concorrencia implica em um
aumento nas vendas de 5.000 unidades mensais.
Dados relevantes para o estudo s ao fornecidos na tabela seguinte:
em R$
Preco medio praticado pela concorrencia (por unidade) 1,00
Custo unitario da massa 0,10
Custo unitario do recheio 0,30
Custo do processo de fabricacao (por unidade) 0,40
Custo xo 8.000,00
Variaveis de decisao: Preco unit ario da esrra
Objetivo: Maximizar o lucro
Restricoes: Demanda de mercado
Para este problema, e preciso desenvolver um modelo que permita a simulacao do lucro
operacional mensal a partir da demanda d e dos custos para estabelecer o preco p a ser
praticado.
O lucro (L) e obtido pela diferenca entre a receita (R) e o custo total (CT),
L = R CT.
12 CAP

ITULO 1. CONHECENDO A PESQUISA OPERACIONAL


A receita pode ser calculada pelo produto entre o preco praticado por unidade e a
quantidade vendida, neste caso a quantidade demandada, que por sua vez depende do
preco praticado. Assim,
R(p) = p d(p).
O custo total e a soma do custo xo com o custo variavel, que depende da quantidade
a ser produzida, neste caso a demanda.
CT = C + C(d)
Para construir um modelo para formacao de pre co, e primeiro necess ario calcular a
func ao demanda, isto e, encontrar a lei que determina a quantidade de esrras comercia-
lizadas mensalmente em fun cao do preco praticado.
De acordo com os dados, o preco medio praticado e de R$ 1,00 e para este valor a
quantidade demandada e 70.000 unidades. Assim a func ao d(p) a ser determinada satisfaz:
d(1) = 70000.
Levando-se em conta que a cada desconto de 1% no preco corresponde uma demanda
extra de 5.000 unidades, temos:
d(0, 99) = 75000.
Admitindo que a func ao demanda seja uma func ao am do tipo:
d(p) = ap + b
onde o coeciente angular a pode ser determinado por:
a =
d
p
=
70000 75000
1 0, 99
= 500000
Para encontrar o coeciente linear b e determinar d, basta substituir d(1) = 70000 na
1.2. PRIMEIROS EXEMPLOS E APLICAC

OES 13
express ao d(p) = 500000p + b, desta forma
70000 = d(1) = 500000(1) + b
Logo,
b = 570000.
Portanto, a func ao demanda nas condic oes do problema e:
d(p) = 500000p + 570000
Para este caso o modelo ser a construdo em planilha eletronica alcancando assim fa-
cilidade de interac ao com o usuario e possibilitando r apidas alterac oes. Admitindo que o
preco praticado seja R$ 1,00 a unidade de esrras, e possvel calcular a quantidade ven-
dida, a receita e os custos mensais e consequente prever o lucro operacional. O modelo em
planilha eletr onica e apresentado na tabela abaixo, onde as formulas para os respectivos
c alculos est ao explicitadas na coluna C.
Na tabela a seguir s ao apresentados os resultados do Lucro Operacional para diversos
valores simulados para o preco a ser praticado, onde lucro negativo e representado por
valores entre parenteses.
14 CAP

ITULO 1. CONHECENDO A PESQUISA OPERACIONAL


Uma rapida inspec ao garante que:
Preco acima de 1,00 retorna em lucro menor;
Lucro crescente para valores entre 1,00 e 0,95;
Lucro decrescente para valores entre 0,95 e 0,90.
Desta primeira an alise, conclui-se que o melhor pre co esta entre 1,00 e 0,95. Para
decidir qual pre co retorna o maior lucro, e preciso simular todos os valores neste intervalo.
Observando a segunda parte da tabela, conclumos que o melhor preco a ser praticado e
R$ 0,97 resultando num lucro de R$ 6.450,00 que e 7,5% maior do que o lucro mensal
atual da empresa.
Exemplo 1.5. Gestao do estoque
Um posto de combustveis tem uma demanda de gasolina e alcool ao longo dos ultimos
tres anos, conforme a tabela dada em milh oes de litros:
1.2. PRIMEIROS EXEMPLOS E APLICAC

OES 15
Ano

Alcool Gasolina
2007 2,00 5,00
2008 2,05 5,80
2009 3,00 6,20
Seus custos estimados de colocac ao de um pedido s ao cerca de R$ 325,00 e os custos de
manuten cao dos estoques s ao de 23% do custo de aquisi cao, por ano. A empresa adquire
os combustveis a R$ 30,00 o gal ao de 50 litros de alcool e R$ 78,00 o galao de gasolina.
Atualmente o suprimento de combustvel e feito em quantidades constantes a intervalos
regulares quinzenalmente, qual a quantidade ideal de cada combustvel que o posto deve
pedir por vez?
O objetivo do problema e determinar o lote de compra que deve ser encomendado
por vez, de modo a minimizar o custo total de operac ao do estoque dos dois tipos de
combustveis.
Variaveis de decisao: Quantidade de alcool a ser encomentada por vez
Quantidade de gasolina a ser encomendada por vez
Objetivo: Minimizar o custo de operacao de estoque
Restricoes: Custo do pedido
Custo de Manutencao do estoque
O custo total e a soma dos custos de manutencao de estoques e de emiss ao e coloca cao
de pedidos, considerando que a demanda e os custos sao relativamente est aveis durante o
ano.
minimizar Custo Total (CT) = custo de manutencao do alcool (CMA) +
+ custo de manutencao da gasolina (CMG) +
+ custo do pedido (CP)
O custo de manutencao e o produto do nvel medio em estoque pelo custo unit ario
de manutencao, onde o nvel medio e a metade da quantidade encomendada (dados
16 CAP

ITULO 1. CONHECENDO A PESQUISA OPERACIONAL


empricos). O custo do pedido e o produto do n umero de pedidos anuais pelo custo
unit ario de colocac ao do pedido.
Devemos identicar os elementos conhecidos e desconhecidos do problema que fornecer ao
os dados e as vari aveis de decis ao.
n: total de pedidos anuais
q
A
: quantidade de alcool (em milh oes de litros) encomendados por vez
q
G
: quantidade de gasolina (em milh oes de litros) encomendados por vez
a
A
: quantidade de alcool (em milh oes de litros) comercializada anualmente
a
G
: quantidade de gasolina (em milh oes de litros) comercializada anualmente
A partir dos dados fornecidos, podemos calcular a media de vendas da empresa dos
ultimos tres anos:
a
A
=
2 + 2, 05 + 3
3
= 2, 35
e
a
G
=
5 + 5, 8 + 6, 2
3

= 5, 67

E possvel obter q
A
e q
G
a partir do valor de n.
q
A
=
a
A
n
e
q
G
=
a
G
n
Portanto, podemos admitir que a unica vari avel independente do problema e o n umero
de pedidos anuais n.
Sabe-se que o custo de manutenc ao dos estoques e de 23% do custo de aquisic ao de
cada combustvel. A partir desta informa cao e possvel calcular CMA, considerando que
a unidade que estamos utilizando e um milh ao de litros de combustvel que equivale a
20.000 galoes de 50 litros, como cada galao de alcool custa R$ 30,00, o custo da unidade
1.2. PRIMEIROS EXEMPLOS E APLICAC

OES 17
de alcool e R$ 600.000,00. Calculando a porcentagem para manutenc ao dos estoques,
temos que o custo unitario para manutenc ao do alcool e 138.000 e portanto,
CMA = 138.000
q
A
2
= 69.000q
A
De forma an aloga calculamos que o custo da unidade de gasolina e R$ 1.560.000,00
e obtemos 358.800 como o custo unitario para manutenc ao do estoque de gasolina e
consequentemente:
CMG = 358.800
q
G
2
= 179.400q
G
Escrevendo o custo total em fun cao das vari aveis e constantes assim denadas e cal-
culadas:
CT = 69.000q
A
+ 179.400q
G
+ 325n
= 69.000
2, 35
n
+ 179.400
5, 67
n
+ 325n
= 162.150
1
n
+ 1.017.198
1
n
+ 325n
Portanto,
CT(n) = 1.179.348
1
n
+ 325n
Como o objetivo e minimizar uma func ao em uma vari avel real, devemos encontrar os
pontos crticos da func ao utilizando a primeira derivada.
d
dn
CT(n) = 1.179.348
1
n
2
+ 325 = 0
A equac ao diferencial acima e satisfeita para n

= 60, 24 ou n

= 60, 24. Entretanto
no contexto do problema proposto n deve ser um n umero inteiro positivo, sendo assim
tomamos, por arredondamento, n = 60. E o teste da segunda derivada nos garante que
este e um ponto de mnimo.
d
2
dn
2
CT(n) = 2.358.696
1
n
3
> 0, n > 0
Assim, deve-se encomendar 39.166,67 litros de alcool e 94.500 litros de gasolina por
18 CAP

ITULO 1. CONHECENDO A PESQUISA OPERACIONAL


vez totalizando 60 pedidos anuais com custo total de R$ 39.155,80 contra os custos atuais
de R$ 53.809,54 referentes a 26 pedidos anuais, o que representa uma economia para a
empresa de aproximadamente 27,21%.
Exemplo 1.6. Problema da dieta otima:
3
Em uma dieta, cada 100 g de alimento A e B fornecem os seguintes elementos nutritivos
(em unidades):
Elemento nutritivo A B
Carboidratos 1 3
Vitaminas 3 4
Protenas 3 1
As quantidade mnimas necessarias de elementos nutritivos, por dia, s ao 8 unidades de
carboidratos, 19 unidades de vitaminas e 7 unidades de protenas. Cada 100 g do alimento
A contem 300 kcal (kilocalorias) e custa $ 50 u.m. enquanto cada 100 g do alimento B tem
500 kcl e custa $ 25 u.m. Como e possvel minimizar o custo e a quantidade de calorias
da dieta formada pelos alimento A e B?
Variaveis de decisao: x
1
: quantidade de A (em 100 g)
x
2
: quantidade de B (em 100 g)
Objetivo: min z
1
= 50x
1
+ 25x
2
(minimizar o custo)
min z
2
= 300x
1
+ 500x
2
(minimizar quantidade de calorias)
Restricoes:
_

_
x
1
+ 3x
2
8 (quantidade de carboidratos)
3x
1
+ 4x
2
19 (quantidade de vitaminas)
3x
1
+ x
2
7 (quantidade de protenas)
x
1
, x
2
0 (condic ao de n ao-negatividade)
3
Adaptado do exemplo inicialmente formulado por George Dantzig
1.2. PRIMEIROS EXEMPLOS E APLICAC

OES 19
Representando as inequac oes e fun coes do problema no plano cartesiano obtemos o
seguinte gr aco.
Por simples inspe cao visual e possvel identicar o ponto (1,4) do plano cartesiano
como sendo o ponto onde a func ao custo e minimizada, obtendo um custo mnimo de
$ 150 u.m. com consumo total de 2.300 kcal, enquanto o ponto (5,1) minimiza a quantidade
de calorias, 2.000 kcal, com custo de $ 275 u.m.
Exemplo 1.7. O dilema do prisioneiro
4
Dois prisioneiros acusados de terem cometido um crime em conjunto estao presos em
celas separadas e sao interrogados separadamente por um delegado de polcia. Se os dois
prisioneiros confessarem o crime, ambos serao condenados ` a pena de 10 anos de pris ao.
Se nenhum dos dois prisioneiros confessar, o delegado, usando provas circunstanciais, s o
pode condena-los ` a pena de 2 anos. Se apenas um dos dois prisioneiros confessar, este
prisioneiro receber a, como premio, um pena leve de 1 ano de pris ao, e o outro, que n ao
confessou, ser a condenado `a pena maior, de 12 anos de prisao. Qual decis ao deve ser
tomada?
4
Proposto originalmente por M.Flood e M.Dresher em 1950, posteriormente adaptado por A.W.Tucker.
20 CAP

ITULO 1. CONHECENDO A PESQUISA OPERACIONAL


A tabela seguinte resume as penalidades atribuidas a cada prisioneiro
Prisioneiro B
C NC
C (10, 10) (1,12)
Prisioneiro A NC (12,1) (2,2)
onde a primeira entrada do par ordenado corresponde ` a decisao do prisioneiro A e a
segunda entrada `a decis ao do prisioneiro B.
Examinemos o problema do ponto de vista de um dos prisioneiros, objetivando deter-
minar a melhor estrategia assumindo que o c umplice tambem e racional.
Se seu companheiro confessar, o prisioneiro A, por exemplo, ser a condenado a 10 anos
de pris ao se confessar e a 12 anos se permanecer calado. Neste caso a melhor decis ao e
confessar. Agora, se B permanecer calado, A sera condenado a 1 ano se confessar e a 2
anos se n ao confessar. O melhor estrategia nesta situac ao e confessar.
Aparentemente a melhor estrategia e portanto confessar! Entretanto se ambos seguirem
o mesmo raciocnio, os dois prisioneiros serao condenados a 10 anos de pris ao. Se optarem
por cooperar e permanecerem calados, receber ao pena menor de 2 anos. E a est a o dilema,
buscando individualmente a melhor estrategia para si acabam ambos por serem punidos
rigorosamente. O fato e que pode haver dois vencedores neste jogo, se o problema for
analisado em conjunto buscando a melhor solucao para o grupo e consequentemente a
cooperac ao resultar a na melhor soluc ao para ambos.
A teoria dos jogos sugere que,
embora a cooperac ao nao seja nada f acil de ser alcancada,
e possvel demonstrar que muitas vezes ela e prefervel ao conito.
David P. Barash
1.3. LISTA DE PROBLEMAS 21
1.3 Lista de Problemas
Resolva cada um dos seguintes problemas, identicando as variaveis de decis ao, objetivo
e restric oes:
1. Durante a constru cao de uma casa, seis vigas de 8m cada devem ser recortadas
para atingir o comprimento correto de 7, 5m. As operac oes para cortar uma viga
obedecem a seguinte sequencia:
Operacao Tempo [s]
1. Colocar vigas nos cavaletes 15
2. Marcar o comprimento 10
3. Cortar a viga 20
4. Armazenar a viga cortada 20
H a tres pessoas envolvidas: dois carregadores devem trabalhar simultaneamente nas
operac oes 1,2 e 4, e um cortador se encarregara da opera cao 3. Ha dois pares de
cavaletes nos quais as vigas a recortar s ao colocadas na prepara cao para o corte, e
cada par pode suportar ate tres vigas lado a lado. Sugira um boa programacao para
recortar as seis vigas.
2. Como deve ser montado um retangulo a partir de uma corda de comprimento 10m
para que a area seja m axima.
3. Em um jogo de beisebol, Jim e o lan cador e Joe o rebatedor. Suponha que Jim
possa atirar uma bola com velocidade ou um bola curva de maneira aleatoria. Se
Joe previr corretamente que ser a uma bola curva, poder a manter uma media de
rebates de 0,5. Ao contrario, se Jim atirar uma bola curva e Joe se preparar para
uma bola com velocidade, sua media de rebates car a em 0,2. Por outro lado, se Joe
previr corretamente que sera uma bola com velocidade, conseguira uma media de
rebates de 0,3; caso contr ario, sua media sera de apenas 0,1. Dena as alternativas
para essa situa cao.
22 CAP

ITULO 1. CONHECENDO A PESQUISA OPERACIONAL


4. A Pasteis e Pasteloes Ltda. fabrica pasteis de forno a partir de dois ingredientes
b asicos: massa semipronta e recheio congelado. A empresa pretende estabelecer um
modelo para previsao de seu lucro operacional mensal que lhe permita estabelecer o
preco dos pasteis que deve ser praticado pela empresa. Desconsiderando a hip otese
de altera cao do tamanho e da qualidade dos pasteis, a diretoria considera que o pre co
unit ario do pastel e o preco medio praticado pela concorrencia s ao os unicos fatores
relevantes na determinacao da demanda, a qual se comporta segundo a seguinte
equac ao:
Z = 15000 5000x + 5000y
onde x e o preco do pastel da Pasteis e Pasteloes e y e o preco medio dos pasteis
vendidos pelos concorrentes.
Dados adicionais s ao fornecidos pela tabela:
em R$
Preco medio praticado pela concorrencia (por pastel) 7,00
Custo unitario da massa 1,30
Custo unitario do recheio 2,00
Custo do processo de fabricac ao (por pastel) 0,40
Custo xo 6.000,00
5. Refa ca o exemplo 1.5, considerando que o posto esta interessado em resolver o
problema do estoque separadamente para cada combustvel, isto e, determine o
n umero de pedidos anuais para o alcool que minimize o custo total e, apos calcule
o n umero de pedidos a ser realizados para a gasolina. Qual a relac ao entre estes
dois valores encontrados e o n umero otimo de pedidos determinado para o problema
original?
6. Um atacadista de materiais de constru cao obtem seu cimento de um fornecedor
unico. A demanda de cimento e razoavelmente constante ao longo do ano. No
1.3. LISTA DE PROBLEMAS 23
ultimo ano, a empresa vendeu 2000 toneladas de cimento. Seus custos estimados de
colocac ao de um pedido sao cerca de $25, e os custos de manutencao dos estoques
s ao de 20% do custo de aquisicao, por ano. A empresa adquire cimento a $60 por
tonelada. Quanto cimento a empresa deveria pedir por vez?
7. Uma empresa comercializa queijos deseja estudar sua poltica de estocagem de modo
a otimizar sua operac ao, reduzindo os custos. Ap os um cuidadoso levantamento, o
gerente estimou que o custo anual de manter um item em estoque e de $50,00. Tal
custo foi obtido considerando-se o custo do capital investido, o custo das instalac oes,
refrigerac ao, limpeza e seguros, durante um ano, e dividindo-se pelo n umero esti-
mado de itens que irao compor o estoque no mesmo perodo. Consideremos que este
n umero seja constante e igual a 1.000 por ano. O suprimento do produto e feito
em quantidades constantes e intervalos regulares, a coloca cao de cada encomenda
tem um custo xo de $ 1.000,00, incluindo documentac ao, despesas de pedido e
transporte. Qual a quantidade de mercadoria que deve ser encomendada de cada
vez?
CAP

ITULO 2
PROGRAMAC

AO MATEM

ATICA
Desde a antiguidade v arios cientistas tais como Euclides, Newton, Lagrange, Leontief, Von
Neumann, dentre outros, tem dedicado seus estudos `a pesquisa do otimo. A area que es-
tuda Problemas de Otimizacao e denominada Programacao Matematica que engloba uma
ampla classe de problemas. O termo programac ao signica que existe um planejamento
das atividades.
A Programac ao Matematica vem se constituindo como uma das mais poderosas fer-
ramentas matematicas para diversos segmentos, propiciando melhorias mensur aveis nos
processos e automatizac ao dos mesmos, analises operacionais, de projetos, reengenharia e
identica cao de gargalos. Seus benefcios sao exatamente aqueles procurados por qualquer
empresa: diminuic ao dos custos e aumento dos lucros. Em algumas organiza coes ela est a,
inclusive, embutida em suas rotinas informatizadas de planejamento diario dos processos
de operacao.
Segundo pesquisas efetuadas em empresas que tem utilizado esta ferramenta, a reduc ao
de custos se enquadra facilmente na faixa entre 1% e 5%, existindo casos que chegam
ate a 15%. A magnitude do benefcio da Programacao Matematica na performance das
empresas pode ser avaliada nos casos listados a seguir referentes a diferentes areas de
atividade economica:
24
25
1. A companhia de oleos TEXACO utilizou a Programa cao Linear para obter condi coes
ideais de processamento do grude bruto para produzir quantidades proporcionais `as
necessidades do mercado aos diversos derivados do grude: gasolina, oleos com diver-
sas graduac oes ou asfalto. A aplica cao da metodologia em sete das suas renarias
permitiu obter uma melhoria de 30% nos lucros, atingindo 30 milh oes de d olares.
2. A rede de fast food McDonalds nos Estados Unidos aplicou a Programac ao Ma-
tem atica para otimiza cao dos horarios de trabalho em quatro de seus estabeleci-
mentos, pertencentes a Al Boxley. Este tipo de atividade recorre freq uentemente
` a mao-de-obra em part-time, tendo como resultado uma grande aleatoriedade na
disponibilidade dos recursos humanos. A Programa cao Linear proporcionou um
melhor aproveitamento dos recursos disponveis, com a exigencia de cobertura du-
rante todo perodo de funcionamento das unidades, obtendo-se uma programa cao
de hor arios mais conveniente de acordo com as preferencias de hor ario de cada fun-
cion ario.
3. O exercito norte-americano desenvolveu um sistema designado de MLRPS
Manpower Long-Range Planning System que permite estimar as necessidades de
recursos humanos num horizonte que vai dos 7 aos 20 anos. O modelo de otimizac ao
analisa a forma com que as forcas armadas podem obter no futuro a estrutura
militar desejada. Para tal, aspectos como as admissoes, abandonos, promoc oes e
transferencias s ao tidos em conta no modelo que determina o n umero de recursos
necess ario.
Uma das caractersticas principais de Programa cao Matem atica e sua extensibili-
dade, pode ser aplicada a diverso n umero de organizacoes e sistemas: ind ustrias, gov-
ernos, agencias, hospitais, economia, sociologia, biologia, dentre outros. Algumas de suas
aplicac oes se tornaram cl assicas:
Problema de transporte;
Administrac ao da produc ao;
26 CAP

ITULO 2. PROGRAMAC

AO MATEM

ATICA
An alise de investimentos;
Problemas de distribuicao de recursos, pessoal e tarefas;
Problemas de corte materiais, etc.
Em um Problema de Otimizacao pretende-se maximizar ou minimizar uma quantidade
especca, designada objetivo, que depende de um n umero nito de variaveis indepen-
dentes ou interrelacionadas por limitacoes ou restri coes tecnicas do sistema. Resolver o
problema signica aplicar uma sequencia de operac oes matem aticas para distribuir recur-
sos limitados sobre operac oes que exigem a sua utiliza cao simultanea, de forma otima para
o objetivo especco. Um Problema de Programacao Matematica (PPM) e um problema
de otimizac ao satisfazendo dois fatos principais:
A existencia de um objetivo que pode ser explicitado em termos das variaveis de
decis ao do problema;
A existencia de restric oes `a aplicac ao dos recursos, tanto com relac ao ` as quantidades
disponveis quanto com relac ao `a forma de emprego.
2.1 Modelos de Otimizacao
Especicamente, o objetivo primordial de um PPM e encontrar a melhor solu cao para
problemas que podem ser representados por modelos matem aticos onde o objetivo pode ser
expresso em fun cao das variaveis e as restri coes expressas como equac oes ou inequa coes.
Os modelos matem aticos utilizados em PPM seguem, em geral, uma estrutura padr ao
composta por uma funcao-objetivo, um criterio de otimiza cao e um conjunto de restri coes.
A forma geral de um modelo para um PPM com n variaveis e m restric oes e apresentada
a seguir:
2.1. MODELOS DE OTIMIZAC

AO 27
otimizar: z = f(x
1
, x
2
, . . . , x
n
)
sujeito a:
_

_
g
1
(x
1
, x
2
, . . . , x
n
)
g
2
(x
1
, x
2
, . . . , x
n
)
.
.
.
g
m
(x
1
, x
2
, . . . , x
n
)
_

_
b
1
b
2
.
.
.
b
m
(2.1)
onde as vari aveis do problema est ao representadas por x
j
com j = 1, . . . , n e b
i
, para
i = 1, . . . , m, representa a quantidade disponvel de determinado recurso. Utilizaremos a
notac ao vetorial para representar as vari aveis de decisao, assim dene-se:
x =
_
x
1
x
2
. . . x
n
_
(2.2)
f(x) e denominada func ao-objetivo e g
i
(x) sao as funcoes restric oes do problema.
A soluc ao do modelo pode ser obtida por tecnicas matematicas e algoritmos especcos,
e a construcao do modelo deve levar em consideracao a disponibilidade de uma tecnica
para o c alculo da soluc ao. Para melhor estudar as tecnicas disponveis para resolu cao de
PPM, a area pode ser subdividida em duas subareas determinadas pelas propriedades das
func oes envolvidas no problema:
Programacao Linear: Todas as func oes do modelo s ao lineares em relac ao `as variaveis.
Programacao Nao-Linear: Pelo menos uma das func oes envolvidas nao e linear.
A soluc ao de um PPM inicia-se pela modelagem, esta etapa e tao importante tanto
quanto o desenvolvimento de metodos de solu cao, visto que a qualidade de todo o processo
e consequencia direta do grau de representatividade do modelo.
O exemplo 1.6 apresentado no captulo anterior foi modelado seguindo certa sistema-
tizac ao e agora iremos nos concentrar na estruturac ao de modelos especcos para PPM.
A tarefa de construc ao do modelo a partir do enunciado do problema deve seguir uma
metodologia basica, apresentada a seguir:
28 CAP

ITULO 2. PROGRAMAC

AO MATEM

ATICA
Identicacao das variaveis de decisao
Todas as grandezas envolvidas devem ser determinadas, explicitando as decis oes que
devem ser tomadas, nomeando-as x
j
, j = 1, . . . , n.
Denicao do criterio de otimizacao
Criterios de avalia cao capazes de indicar que uma decis ao e prefervel a outras
devem ser denidos. Deve-se identicar as metas que se pretendem alcancar com
a resoluc ao do problema, expressando-as como funcoes matem aticas. Em geral, o
objetivo aparece na forma de maximizacao ou minimizac ao de quantidades.
Formulacao das restricoes
Todos os requisitos, condicionalismos e limita coes do problema, tanto explcitas
como implcitas, devem ser identicados. Cada limitacao imposta na descric ao do
problema deve ser expressa como uma equac ao ou inequac ao em func ao das vari aveis
de decisao.
2.2 Problemas de Programacao Matematica
Para melhor ilustrar os conceitos discutidos, ser ao apresentadas algumas situac oes que po-
dem ser descritas com o auxlio de um modelo de Programac ao Matematica. A seguir s ao
propostos alguns PPM onde espera-se exemplicar e detalhar o processo de modelagem,
entretanto sera a experiencia individual respons avel pelo desenvolvimento de habilidades
para a criacao de bons modelos matem aticos, ecientes e realistas. Salientamos que, ainda
n ao h a a preocupa cao com a solucao de problemas que poder a ser obtida posteriormente.
Exemplo 2.1. Producao de balas
Considere que uma doceira deseja abrir um pequeno neg ocio para produc ao de balas.
A princpio ela est a considerando produzir dois tipos de balas: caramelo e nozes. Na
produc ao sao utilizados tres ingredientes: leite, ac ucar e nozes. A doceira tem em estoque
10kg de a c ucar, 1kg de nozes e 6l de leite. A composic ao da bala de caramelo e: 40%
de leite e 60% de ac ucar, e para as balas de nozes os ingredientes devem ser misturados
2.2. PROBLEMAS DE PROGRAMAC

AO MATEM

ATICA 29
na seguinte proporcao: 40% de leite, 50% de ac ucar e 10% de nozes. Cada quilo de bala
de caramelo pode ser vendido a R$10,00 enquanto um quilo de bala de nozes pode ser
vendido por R$13,00. Qual deve ser a produc ao de cada tipo de bala para obter a maior
receita?
De acordo com a sistem atica estabelecida anteriormente para a construc ao de modelos
de PPM, vamos elaborar o modelo para este problema em etapas.
Etapa 1: Identica cao das vari aveis de decis ao
O objetivo do problema e determinar as quantidades de cada tipo de bala a ser
produzida de forma a resultar na maxima receita. Portanto, este problema tem
duas vari aveis de decis ao:
x
1
: a quantidade (em kg) a ser produzida de bala de caramenlo
x
2
: a quantidade (em kg) a ser produzida de bala de nozes
Etapa 2: Formulac ao da func ao objetivo
O criterio para a selec ao do melhor combinac ao possvel e a receita m axima. Cada
tipo de bala gera uma receita que e o produto do preco de venda pela quantidade
vendida e a fun cao receita e obtida pela soma das contribuic oes de cada tipo de bala
produzido. Matematicamente, temos:
max z = f(x
1
, x
2
) = 10x
1
+ 13x
2
Etapa 3: Formulac ao das restric oes
O problema imp oe restric oes na quantidade de materia prima para fabricac ao dos
doces:
0, 6x
1
+ 0, 5x
2
10 (quantidade utilizada de ac ucar)
0, 4x
1
+ 0, 4x
2
6 (quantidade utilizada de leite)
0, 1x
2
1 (quantidade utilizada de nozes)
30 CAP

ITULO 2. PROGRAMAC

AO MATEM

ATICA
Ainda h a uma condicao implcita ao problema que devemos considerar, quais os val-
ores que as vari aveis de decis ao podem assumir? Nesta situa cao estamos
interessados em valores n ao-negativos que satisfacam as limitac oes de materia-prima.
Devemos tambem considerar o tipo de variavel, neste problema podemos admitir
que a vari avel x
j
pode receber qualquer valor real. Assim temos denido o domnio
da func ao objetivo e o criterio de nao-negatividade: x
j
0, x
j
R
O modelo completo para o problema da produc ao de balas representado no formato
(2.1) e:
max z = 10x
1
+ 13x
2
s.a. :
_

_
0, 6x
1
+ 0, 5x
2
10 (quantidade utilizada de ac ucar)
0, 4x
1
+ 0, 4x
2
6 (quantidade utilizada de leite)
0, 1x
2
1 (quantidade utilizada de nozes)
x
1
, x
2
0 (condic ao de n ao-negatividade)
Observe que a condi cao x
j
R foi omitida do modelo nal, isto deve-se ao fato que
em modelos de Programac ao Matem atica, por conven cao, esta condicao e considerada
implcita ao modelo. A informacao sobre o domnio da func ao constar a no modelo caso o
domnio seja outro conjunto numerico.
Exemplo 2.2. Localizacao da antena de transmissao
O Gerente de Projetos da LCL Telecom deve localizar uma antena de retransmissao
para atender a tres localidades na Baixada Maranhense: Viana, Penalva e Cajari. Por
problemas tecnicos a antena n ao pode estar a mais de 10 km do centro de cada cidade.
Considerando as localizac oes relativas indicadas no mapa, determine o melhor posiciona-
mento para a torre.
Sejam (x
i
, y
i
) as coordenadas no plano cartesiano da localizacao das cidades.
Etapa 1: Identica cao das vari aveis de decis ao
2.2. PROBLEMAS DE PROGRAMAC

AO MATEM

ATICA 31
O objetivo do problema e determinar a localizac ao (x, y) da antena que minimize a
soma das dist ancias ate as tres localidades, as variaveis de decisao j a est ao denidas:
x: abscissa no plano cartesiano da localizac ao da torre de transmissao
y: ordenada no plano cartesiano da localiza cao da torre de transmissao
Etapa 2: Formulac ao da func ao objetivo
Admitamos que a localidade 1 seja Viana, a localidade 2 seja Cajari e a local-
idade 3 seja Penalva, as coordenadas cartesianas das localidades ser ao (x
i
, y
i
),
com i = 1, 2, 3. Fixado uma localidade i, a dist ancia entre esta e a antena de
transmiss ao pode ser calculada por
_
(x
i
x)
2
+ (y
i
y)
2
.
A func ao dist ancia e obtida pela soma tres distancias entre a antena e as localidades.
min z =
3

i=1
_
(x
i
x)
2
+ (y
i
y)
2
Etapa 3: Formulac ao das restric oes
As restricoes tecnicas s ao as unicas limitac oes do problema:
_
(x
i
x)
2
+ (y
i
y)
2
10, i {1, 2, 3}
As condic oes pr aticas do problema n ao requer restric oes de nao-negatividade e as
vari aveis de decisao podem assumir valores reais.
32 CAP

ITULO 2. PROGRAMAC

AO MATEM

ATICA
O modelo completo e apresentado a seguir:
min z =
3

i=1
_
(x
i
x)
2
+ (y
i
y)
2
s.a. :
_

_
_
(x
1
x)
2
+ (y
1
y)
2
10 (distancia a Viana)
_
(x
2
x)
2
+ (y
2
y)
2
10 (distancia a Cajari)
_
(x
3
x)
2
+ (y
3
y)
2
10 (distancia a Penalva)
Exemplo 2.3. O problema da dieta
Um indivduo deve seguir uma dieta balanceada por recomendac ao medica baseada
no consumo de diversos tipos de alimentos de forma a suprir suas necessidades di arias de
energia, que pode variar de 3100 a 3300 kcal, e nutrientes essenciais para a boa sa ude. Uma
porc ao de cada alimento fornece uma porcentagem da Quantidade Diaria Recomentada
(QDR) de diferentes nutrientes de acordo com a tabela. Preco e quantidade cal orica de
cada porc ao tambem s ao informados na tabela. Deseja-se saber qual a combinac ao ideal
de alimentos com custo mnimo e que satisfaca `as necessidades nutricionais.
Alimentos
1 2 3 4 5 6 7
unidade QDR carne arroz feij ao p ao ovos laranja leite
Valor energetico kcal 225 170 76 300 146 45 160
Protena g 37 35 3 4,8 8 13 0,6 8
Vitamina A mg 900 7 - 2 - 87 21 99
Vitamina C mg 300 - - 3 - 12 59 2
Ferro mg 10 2,9 1,3 1,6 1 1,3 0,2 0,9
C alcio mg 500 5 12 27 16 49 45 285
Custo (R$) 0,50 0,14 0,19 0,15 0,20 0,10 0,30
2.2. PROBLEMAS DE PROGRAMAC

AO MATEM

ATICA 33
Etapa 1: Identica cao das vari aveis de decis ao
O objetivo do problema e determinar uma composicao ideal de alimentos com custo
mnimo, para calcular o custo de destas combina coes e necess ario saber o n umero
de por coes di arias de cada alimento, que e um elemento desconhecido do problema.
Portanto as quantidades de por coes diarias de cada alimento denirao as vari aveis
de decisao deste problema.
Sejam x
j
: n umero de porc oes consumidas do alimento j, j = 1, . . . , 7
Etapa 2: Formulac ao da func ao objetivo
O criterio para a selecao do melhor combina cao possvel e o custo mnimo. Cada
tipo de alimento gera um custo que e o produto do pre co da porc ao pelo n umero de
porc oes consumidas e a func ao custo e obtida pela soma das contribui coes de cada
alimento consumido. Matematicamente, temos:
z = f(x
1
, . . . , x
7
) = 0, 5x
1
+ 0, 14x
2
+ 0, 19x
3
+ 0, 15x
4
+ 0, 2x
5
+ 0, 1x
6
+ 0, 3x
7
Utilizando a nota cao vetorial para simplicar: z = f(x) =
7

j=1
c
j
x
j
onde c
j
s ao os componentes do vetor
c =
_
0, 50 0, 14 0, 19 0, 15 0, 20 0, 10 0, 30
_
Etapa 3: Formulac ao das restric oes
O menor custo e obviamente zero, entretanto esta soluc ao n ao atende a recomenda cao
medica. O problema imp oe algumas condic oes explicitas que devem ser satisfeitas:
(a) A dieta deve suprir a necessidade diaria de energia
225x
1
+ 170x
2
+ 76x
3
+ 300x
4
+ 146x
5
+ 45x
6
+ 160x
7
3100 (mnimo kcal)
225x
1
+ 170x
2
+ 76x
3
+ 300x
4
+ 146x
5
+ 45x
6
+ 160x
7
3300 (maximo kcal)
(b) A dieta deve fornecer as quantidades mnimas recomendadas de nutrientes
34 CAP

ITULO 2. PROGRAMAC

AO MATEM

ATICA
35x
1
+ 3x
2
+ 4, 8x
3
+ 8x
4
+ 13x
5
+ 0, 6x
6
+ 8x
7
37 (Protena)
7x
1
+ 2x
3
+ 87x
5
+ 21x
6
+ 99x
7
900 (Vitamina A)
3x
3
+ 12x
5
+ 59x
6
+ 2x
7
300 (Vitamina C)
2, 9x
1
+ 1, 3x
2
+ 1, 6x
3
+ x
4
+ 1, 3x
5
+ 0, 2x
6
+ 0, 9x
7
10 (Ferro)
5x
1
+ 12x
2
+ 27x
3
+ 16x
4
+ 49x
5
+ 45x
6
+ 285x
7
500 (Calcio)
(c) Ainda ha uma condicao implcita ao problema que devemos considerar, quais
os valores que as vari aveis de decisao podem assumir? Nesta situac ao esta-
mos interessados em valores n ao-negativos que satisfacam os nveis mnimos
de nutrientes. Devemos tambem considerar o tipo de vari avel, neste problema
podemos admitir que a variavel x
j
pode receber qualquer valor real. Assim
temos denido o domnio da func ao objetivo e o criterio de nao-negatividade:
x
j
0, x
j
R.
O modelo completo para o problema da dieta representado no formato padrao conforme
(2.1) e:
min z = 0, 5x
1
+ 0, 14x
2
+ 0, 19x
3
+ 0, 15x
4
+ 0, 2x
5
+ 0, 1x
6
+ 0, 3x
7
s.a. :
_

_
225x
1
+ 170x
2
+ 76x
3
+ 300x
4
+ 146x
5
+ 45x
6
+ 160x
7
3100
225x
1
+ 170x
2
+ 76x
3
+ 300x
4
+ 146x
5
+ 45x
6
+ 160x
7
3300
35x
1
+ 3x
2
+ 4, 8x
3
+ 8x
4
+ 13x
5
+ 0, 6x
6
+ 8x
7
37
7x
1
+ 2x
3
+ 87x
5
+ 21x
6
+ 99x
7
900
3x
3
+ 12x
5
+ 59x
6
+ 2x
7
300
2, 9x
1
+ 1, 3x
2
+ 1, 6x
3
+ x
4
+ 1, 3x
5
+ 0, 2x
6
+ 0, 9x
7
10
5x
1
+ 12x
2
+ 27x
3
+ 16x
4
+ 49x
5
+ 45x
6
+ 285x
7
500
x
j
0
2.2. PROBLEMAS DE PROGRAMAC

AO MATEM

ATICA 35
Exemplo 2.4. Distribuicao da producao
Uma empresa montadora de eletronicos produz radio, toca-CD e aparelhos de DVD
em tres f abricas localizadas em Diadema, Ribeirao Preto e Campinas. As quantidades
despendidas na produc ao de cada produto, em pecas por hora, em cada uma das fabricas
s ao as seguintes:
Radio Toca-CD DVD
Diadema 10 20 20
Ribeir ao 20 10 20
Campinas 20 20 10
Os custos de operac ao por hora das f abricas s ao R$ 10.000,00, R$ 8.000,00 e
R$ 11.000,00 para Diadema, Ribeirao Preto e Campinas, respectivamente.
A empresa recebeu um pedido de 300 unidades de radio, 500 unidades de toca-CD
e 600 unidades de aparelho de DVD, como deve distribuir a produ cao entre suas tres
f abricas para cumprir o pedido ao menor custo possvel?
Etapa 1: Identica cao das vari aveis de decis ao
O objetivo e distribuir a produc ao ao menor custo possvel, sendo assim deve-se
decidir quanto produzir de cada produto em cada uma das f abricas, o que dene as
vari aveis de decisao do problema. Sejam:
x
1d
: n umero de radios a produzir na fabrica de Diadema
x
2d
: n umero de toca-CD a produzir na f abrica de Diadema
x
3d
: n umero de DVD a produzir na f abrica de Diadema
x
1r
: n umero de r adios a produzir na fabrica de Ribeirao
x
2r
: n umero de toca-CD a produzir na fabrica de Ribeirao
x
3r
: n umero de DVD a produzir na fabrica de Ribeirao
x
1c
: n umero de radios a produzir na fabrica de Campinas
36 CAP

ITULO 2. PROGRAMAC

AO MATEM

ATICA
x
2c
: n umero de toca-CD a produzir na f abrica de Campinas
x
3c
: n umero de DVD a produzir na f abrica de Campinas
Etapa 2: Formulac ao da func ao objetivo
O objetivo e primordial e determinar quantas horas cada uma das f abricas deve
dispor para o pedido com o menor custo possvel. O custo e dado por
z = f(x, y, z) = 10.000x + 8.000y + 11000z
onde x e o n umero total de horas que fabrica de Diadema funciona para atender o
pedido, y e o n umero total de horas da f abrica de Ribeir ao e z corresponde ao total
de horas da f abrica de Campinas.
De acordo com a tabela fornecida podemos determinar x em func ao das vari aveis
de decis ao x
1d
, x
2d
e x
3d
, y em func ao de x
1r
, x
2r
e x
3r
e z em func ao de x
1c
, x
2c
e
x
3c
:
x =
x
1d
10
+
x
2d
20
+
x
3d
20
= 0, 10x
1d
+ 0, 05x
2d
+ 0, 05x
3d
y =
x
1r
20
+
x
2r
10
+
x
3r
20
= 0, 05x
1r
+ 0, 10x
2r
+ 0, 05x
3r
z =
x
1c
20
+
x
2c
20
+
x
3c
10
= 0, 05x
1c
+ 0, 05x
2c
+ 0, 10x
3c
Etapa 3: Formulac ao das restric oes
A limita coes explictas do problema s ao o atendimento da quantidade demandada
no pedido, isto e a soma das producoes das tres fabricas de um determinado produto
n ao deve ser inferior `a quantidade encomendada:
x
1d
+ x
1r
+ x
1c
300 (encomenda de r adios)
x
2d
+ x
2r
+ x
2c
500 (encomenda de toca-CD)
x
3d
+ x
3r
+ x
3c
600 (encomenda de DVD)
As condic oes implictas do problema s ao a nao-negatividade e o domnio da funcao
2.2. PROBLEMAS DE PROGRAMAC

AO MATEM

ATICA 37
objetivo restrito ao conjunto dos n umeros inteiros Z.
O modelo completo e:
min z = 10.000(x
1d
+ x
2d
+ x
3d
) + 8.000(x
1r
+ x
2r
+ x
3r
) + 11.000(x
1c
+ x
2c
+ x
3c
)
s.a. :
_

_
x
1d
+ x
1r
+ x
1c
300 (encomenda de r adios)
x
2d
+ x
2r
+ x
2c
500 (encomenda de toca-CD)
x
2d
+ x
2r
+ x
2c
600 (encomenda de DVD)
x
ia
0 para i = 1, 2, 3 e a = d, r, c
x
ia
Z
Exemplo 2.5. O caso da Loja dos queijos:
1
A Loja dos Queijos produz e comercializa dois tipos de queijos (Delux e Standard),
muito procurados na epoca do Natal. Estes queijos s ao produzidos a partir de uma mistura
de frutas da epoca e de um queijo especial muito caro. A Loja dos Queijos pode dispor
de 20 kg de mistura de frutas e 60 kg do queijo especial utilizado. Cada kg de Delux
consiste em 0,2 kg da mistura de frutas e 0,8 kg do queijo especial, enquanto que 1 kg de
Standard consiste em 0,2 kg da mistura de frutas, 0,3 kg do queijo especial e 0,5 kg de um
queijo comum, disponvel em grande quantidade. De acordo com a experiencia da Loja
dos Queijos, foi possvel descobrir que a procura de cada um dos dois queijos depende do
preco adotado:
d
1
= 190 25p
1
d
2
= 250 50p
2
onde d representa a procura (em kg), p denota o preco (em u.m./kg), e os ndices 1 e 2
designam os tipos Delux e Standard, respectivamente.
Que quantidade de cada tipo de queijo devera a Loja dos Queijos preparar, e que
1
Baseado em Bronson & Naadimuthu, 2001.
38 CAP

ITULO 2. PROGRAMAC

AO MATEM

ATICA
precos dever ao ser adotados para maximizar a receita e garantir que, apos a epoca do
Natal, nada reste dos dois queijos em estoque?
Variaveis de decisao: x
1
: quantidade (em kg) a produzir de queijo tipo Delux
x
2
: quantidade (em kg) a produzir de queijo tipo Standard
Objetivo: max z = p
1
x
1
+ p
2
x
2
(maximizar a receita)
Restricoes:
_

_
0, 2x
1
+ 0, 2x
2
20 (disponibilidade de frutas)
0, 8x
1
+ 0, 3x
2
60 (disponibilidade de queijo especial)
x
1
, x
2
0 (condic ao de n ao-negatividade)
O modelo ainda n ao esta completo pois e necessario garantir que toda a produc ao seja
vendida, para tanto a produc ao x
i
n ao deve ultrapassar a demanda d
i
, isto e,
x
i
d
i
, i = 1, 2
Considerando as equacoes de demanda, temos:
x
1
190 25p
1
e x
2
250 50p
2
Reescrevendo as inequac oes, obtemos as seguintes restricoes de demanda:
x
1
+ 25p
1
190
x
2
+ 50p
2
250
Para simplicar o problema, o objetivo tambem deve ser reescrito somente em funcao
das vari aveis de decisao. Observe que para quaisquer valores xos de x
1
e x
2
a func ao
z = p
1
x
1
+ p
2
x
2
aumenta conforme aumentarem os precos p
1
e p
2
, assim para maximizar
z, p
1
e p
2
devem assumir valores m aximos, isto e assumir valores tais que as inequa coes
2.2. PROBLEMAS DE PROGRAMAC

AO MATEM

ATICA 39
referente ` as restric oes de demanda se tornem equac oes. Desta forma, os pre cos podem ser
assumidos como:
p
1
=
190 x
1
25
= 7, 6 0, 04x
1
p
2
=
250 x
2
50
= 5 0, 02x
2
Substituindo os valores dos precos na func ao objetivo temos:
z = (7, 6 0, 04x
1
)x
1
+ (5 0, 02x
2
)x
2
= 7, 6x
1
+ 5x
2
0, 04x
2
1
0, 02x
2
2
O modelo completo e apresentado a seguir e deve-se notar que as restric oes de demanda
foram incorporadas na construc ao da func ao objetivo e n ao ser ao incorporadas `as restric oes
do problema.
max z = 7, 6x
1
+ 5x
2
0, 04x
2
1
0, 02x
2
2
s.a. :
_

_
0, 2x
1
+ 0, 2x
2
20 (disponibilidade de frutas)
0, 8x
1
+ 0, 3x
2
60 (disponibilidade de queijo especial)
x
1
, x
2
0 (condic ao de n ao-negatividade)
Exemplo 2.6. Um problema de transporte:
Uma companhia de panicac ao pode produzir pao de forma em duas f abricas, de
acordo com a tabela:
Capacidade de producao Custo de Producao
Fabrica (p aes de forma) (u.m./p ao de forma)
A 2500 2,3
B 2100 2,5
Quatro redes de restaurantes pretendem comprar p aes de forma, suas necessidades e
os precos que est ao dispostos a pagar s ao os seguintes:
40 CAP

ITULO 2. PROGRAMAC

AO MATEM

ATICA
Rede de Necessidade maxima Preco maximo
Restaurantes (p aes de forma) (u.m./pao de forma)
1 1800 3,9
2 2300 3,7
3 550 4,0
4 1750 3,6
O custo (em u.m.) de transporte de uma unidade de p ao de forma de cada padaria
para cada rede de restaurantes e dado na tabela seguinte.
Restaurantes
Padaria 1 2 3 4
A 0,6 0,8 1,1 0,9
B 1,2 0,6 0,8 0,5
Determine o plano otimo de fornecimento de paes de forma a maximizar o lucro total
da empresa de panicac ao.
Variaveis de decisao: x
ij
: quantidade a ser transportada (em unidades)
da origem i = A, B para o destino j = 1, 2, 3, 4
De acordo com tabela de pre cos, a func ao receita ser a:
r = 3, 9x
i1
+ 3, 7x
i2
+ 4x
i3
+ 3, 6x
i4
para i = A, B
A seguir e apresentado o modelo para maximiza cao da func ao lucro obtida subtraindo-
se dos pre cos unit arios os custos de produ cao e de transporte.
Objetivo: max z = x
A1
+ 0, 2x
B1
+ 0, 6x
A2
+ 0, 6x
B2
+ . . .
. . . + 0, 6x
A3
+ 0, 7x
B3
+ 0, 4x
A4
+ 0, 6x
B4
2.3. LISTA DE PROBLEMAS 41
Restricoes:
_

4
j=1
x
Aj
2500 (capacidade de produc ao da f abrica A)

4
j=1
x
Bj
2100 (capacidade de produc ao da f abrica B)
x
A1
+ x
B1
1800 (necessidade do restaurante 1)
x
A2
+ x
B2
2300 (necessidade do restaurante 2)
x
A3
+ x
B3
550 (necessidade do restaurante 3)
x
A4
+ x
B4
1750 (necessidade do restaurante 4)
x
ij
0 (condic ao de n ao-negatividade)
2.3 Lista de Problemas
Para cada PPM abaixo, elabore um modelo do sistema descrito de acordo com (2.1):
1. Sol Ltda. faz dois tipos de brinquedos de madeira: soldados e trens. Um soldado
e vendido por R$ 27,00 e usa R$ 10,00 de materia prima. Cada soldado produzido
aumenta os custos de Sol Ltda. em R$ 14,00. Um trem e vendido por R$ 21,00 e
usa R$ 9,00 de materia prima. O custo adicional para constru-lo e de R$ 10,00.
Para construir os soldados e os trens de madeira e necess ario dois tipos de trabalho:
carpintaria e acabamento. Um soldado precisa de duas horas de acabamento e
um hora de carpintaria. Um trem necessita de uma hora de cada. Cada semana
Sol Ltda. pode obter toda materia-prima necess aria, mas somente 100 horas de
acabamento e 80 horas na sec ao de carpintaria.
A demanda de trem e ilimitada mas somente 40 soldados sao comprados por semana.
Sol Ltda. deseja maximizar o seu lucro.
2. Uma importante companhia petrolfera pretende construir uma renaria que sera
abastecida por tres cidades portuarias A,B e C. O porto A est a situado a 300 km a
leste e a 400 km a norte do porto B; o porto C esta situado a 100 km a sul do porto
B. Determine a localizacao da renaria que minimiza o comprimento total das vias
necess arias para interligar a renaria aos tres portos.
42 CAP

ITULO 2. PROGRAMAC

AO MATEM

ATICA
3. Uma empresa produz tres tipos de portas a partir de um determinado material.
Sabendo que diariamente a empresa disp oe de 500 kg de material e 600 horas de
trabalho, determinar um plano otimo de produ cao que corresponda ao maior lucro.
A tabela seguinte indica a quantidade de material e horas de trabalho necess arias
para a producao de uma porta de cada tipo, assim como o lucro unit ario de cada
uma delas:
Recursos Porta 1 Porta 2 Porta 3
Quantidade material 8 kg 4 kg 3 kg
Horas de trabalho 7 6 8
Lucro unitario R$ 50,00 R$ 40,00 R$ 55,00
4. A tabela de alimentac ao utilizada numa determinada loja de animais de estimacao
especica as seguintes necessidades mnimas para um hamster: 70 unidades de
protena, 100 unidades de hidratos de carbono, 20 unidades de gordura. H a seis tipos
de rac oes disponveis na loja cujas caractersticas sao dadas no quadro seguinte:
Protenas H.Carbono Gordura Custo
Racao (unidades/kg) (unidades/kg) (unidades/kg) (u.m./kg)
A 20 50 4 2
B 30 30 9 3
C 40 20 11 5
D 40 25 10 6
E 45 50 9 8
F 30 20 10 8
Como deve ser feita uma mistura que satisfa ca os requisitos da alimentac ao diaria
de um hamster a um custo mnimo?
2.3. LISTA DE PROBLEMAS 43
5. Uma rede de depositos de material de constru cao tem 4 lojas que devem ser abaste-
cidas com 50 m
3
(loja 1), 80 m
3
(loja 2), 40 m
3
(loja 3) e 100 m
3
(loja 4) de areia
grossa. Essa areia pode ser carregada em 3 portos P1, P2 e P3, cujas dist ancias ` as
lojas est ao no quadro (em km): O caminh ao pode transportar 10 m
3
por viagem.
L1 L2 L3 L4
P1 30 20 24 18
P2 12 36 30 24
P3 8 15 25 20
Os portos tem areia para suprir qualquer demanda. Estabelecer um plano de trans-
porte que minimize a dist ancia total percorrida entre os portos e as lojas e que supra
as necessidades das lojas.
6. O departamento de marketing de uma empresa estuda a forma mais econ omica de
aumentar em 30% as vendas de seus dois produtos P1 e P2. As alternativas s ao:
a) Investir em um programa institucional com outras empresas do mesmo ramo.
Esse programa requer um investimento mnimo de $3.000,00 e deve propor-
cionar um aumento de 3% nas vendas de cada produto, para cada $1.000,00
investidos.
b) Investir diretamente na divulgac ao dos produtos. Cada $1.000,00 investidos em
P1 retornam um aumento de 4% nas vendas, enquanto que para P2 o retorno
e de 10%.
A empresa dispoe de $10.000,00 para esse empreendimento. Quanto dever a destinar
a cada atividade?
CAP

ITULO 3
PROGRAMAC

AO LINEAR
O objetivo da Programacao Linear (PL) e encontrar a melhor soluc ao para problemas
que admitam modelos representados por func oes e inequac oes lineares, neste sentido o
termo programacao signica que existe um planejamento das atividades e o termo linear
refere-se `a linearidade nas equac oes envolvidas na modelagem do problema. Conforme j a
visto no captulo anterior, um Problema de Programacao Linear (PPL) e um Problema
de Programacao Matem atica cuja funcao objetivo e todas as restri coes sao lineares rel-
ativamente `as vari aveis de decis ao. Especicamente, as hip oteses seguintes caracterizam
um PPL:
Certeza: Assume que o modelo seja determinstico, isto e, todos os par ametros sao
constantes conhecidas.
Proporcionalidade: Admite que a contribuic ao individual de cada vari avel de decis ao,
tanto na func ao objetivo quanto nas restricoes, seja diretamente proporcional ao
valor da vari avel.
Aditividade: Exige que a contribui cao total na fun cao objetivo e nas restri coes seja
soma direta da contribuic oes individuais de cada vari avel de decisao, n ao podendo
haver interdependencia entre as mesmas.
Divisibilidade: As vari aveis de decis ao podem assumir valores fracionarios.
44
3.1. ESTRUTURAC

AO DE MODELOS LINEARES 45
3.1 Estruturacao de Modelos Lineares
De acordo com as hipoteses de proporcionalidade e aditividade, a fun cao objetivo e as
restric oes de um PPL podem ser apresentadas da seguinte forma:
f(x
1
, x
2
, . . . , x
n
) = c
1
x
1
+ c
2
x
2
+ . . . + c
n
x
n
g
i
(x
1
, x
2
, . . . , x
n
) a
i1
x
1
+ a
i2
x
2
+ . . . + a
in
x
n
onde os coecientes a
ij
e c
j
s ao constantes para i = 1, . . . , m e j = 1, . . . , n, e o sinal
pode ser substituido pelos sinais de = ou ou , indistintamente.
De acordo com o formato (2.1), um modelo de PPL apresenta a seguinte estrutura:
min ou max z = c
1
x
1
+ c
2
x
2
+ . . . + c
n
x
n
s.a. :
_

_
a
11
x
1
+ a
12
x
2
+ . . . + a
1n
x
n
b
1
a
21
x
1
+ a
22
x
2
+ . . . + a
2n
x
n
b
2
.
.
.
a
m1
x
1
+ a
m2
x
2
+ . . . + a
mn
x
n
b
m
x
1
, x
2
, . . . , x
n
0
(3.1)
Apesar da aparente limita cao do modelo, existem aplicac oes de PL nas mais diversas
areas. De fato, e uma das tecnicas mais utilizadas em PO justamente pela simplicidade
do modelo envolvido e facilidade para resolu cao de problemas utilizando tecnicas gracas,
algebricas ou algoritmcas.
Como exemplos de PPL citamos os exemplos 1.6, 2.1, 2.3, 2.4 e 2.6 apresentados nos
captulos anteriores, utilizaremos o problema da produc ao de balas exposto no exemplo
2.1 para ilustrar as hipoteses de linearidade.
Exemplo 3.1.
Considere que doceira deseja abrir um pequeno negocio para produc ao de balas. A
46 CAP

ITULO 3. PROGRAMAC

AO LINEAR
princpio ela est a considerando produzir dois tipos de balas: caramelo e nozes. Na
produc ao sao utilizados tres ingredientes: leite, ac ucar e nozes. A doceira tem em es-
toque 10kg de a c ucar, 1kg de nozes e 6l de leite. A composic ao da bala de caramelo e:
40% de leite e 60% de ac ucar, e para as balas de nozes os ingredientes devem ser mistu-
rados na seguinte propor cao: 40% de leite, 50% de ac ucar e 10% de nozes. Cada quilo de
bala de caramelo pode ser vendido a R$10,00 enquanto um quilo de bala de nozes pode
ser vendido por R$13,00. Qual deve ser a produc ao de cada tipo de bala para obter a
maior receita?
O modelo completo e: max z = 10x
1
+ 13x
2
s.a. :
_

_
0, 6x
1
+ 0, 5x
2
10 (qtde.utilizada de a c ucar)
0, 4x
1
+ 0, 4x
2
6 (qtde. utilizada de leite)
0, 1x
2
1 (qtde. utilizada de nozes)
x
1
, x
2
0 (n ao-negatividade)
1. Certeza: No contexto do Exemplo 2.1, tanto precos de venda dos produtos, como
a quantidade a ser utilizada de cada ingrediente para fabricac ao dos doces s ao
constantes conhecidas. Entretanto este e um fato rara na maioria das aplicac oes
pr aticas, em geral utiliza-se como coecientes para o modelo de textitPPL aprox-
imac oes do valor medio das distribui coes de probabilidade quando os respectivos
desvios-padr oes forem sucientemente pequenos, caso contrario, o problema nao
podera ser modelado como PPL.
2. Proporcionalidade: Se a doceira vender 1kg de bala de caramelado ela recebera
R$10, 00, se vender 2kg obter a R$20, 00, se vender x
1
kg obter a 10x
1
. O valor obtido
na venda de balas de caramelo e proporcional ` a quantidade vendida e preco de venda
do produto e a constante de proporcionalidade. A receita referente `a producao
de bala de nozes e 13x
2
, sendo o produto da constante de proporcionalidade 13
pela quantidade vendida. Portanto, a receita referente ` a determinado produto e
proporcional a quantidade vendida, se a doceira conceder algum tipo de desconto
3.1. ESTRUTURAC

AO DE MODELOS LINEARES 47
quando a quantidade adquirida ultrapassar certo patamar, a receita n ao ser a mais
proporcional ` as quantidades vendidas e a func ao receita se tornara n ao-linear. De
maneira an aloga, para produzir 1kg de bala de caramelo utiliza-se 0, 6kg de a c ucar,
para produzir o dobro necessita-se do dobro de ac ucar, sendo assim a quantidade
utilizada do ingrediente e proporcional a quantidade produzida. Similarmente para
os outros ingredientes, constatamos a proporcionalidade em todas as restricoes do
problema.
3. Aditividade: Para a func ao objetivo, a receita total e a soma das receitas referentes
a cada um dos produtos. Tambem para as restricoes o todo e igual a soma das
partes, o total consumido de a c ucar e a soma do a c ucar utilizado para produ cao
da bala de caramelo e do ac ucar gasto na produc ao da bala de nozes. Analoga-
mente para os demais ingredientes. O comportamento aditivo e bastante comum,
entretanto h a situac oes onde n ao e possvel assumir o princpio da aditividade, por
exemplo, se os produtos competirem entre si de forma que o aumento nas vendas
de um provoque diminuic ao na procura do outro, a hipotese de aditividade n ao ser a
satisfeita. Outro exemplo ocorre com reac oes qumicas, se adicionarmos a um litro
de agua o equivalente a 0,1 litro de ac ucar o volume resultante nao ser a 1,1 litro de
agua doce.
4. Divisibilidade: Neste problema e possvel vender 1kg de bala como 0, 5kg. Depen-
dendo do problema, as vari aveis de decis ao dever ao assumir valores inteiros, neste
caso e ainda possvel modelar o problema como linear utilizando arredondamento,
entretanto este procedimento pode resultar em valores distorcidos, requerendo a
utilizac ao de algoritmos especcos de programac ao inteira.
`
As etapas estabelecidas anteriormente para modelar um PPM, e necess ario acrescentar
a vericac ao das hipoteses de linearidade. Portanto, para proceder a an alise do problema
e formular um modelo de PPL o analista seguir as seguintes fases:
Identica cao das vari aveis de decis ao
Identica cao da funcao objetivo
48 CAP

ITULO 3. PROGRAMAC

AO LINEAR
Identica cao das restricoes
Vericac ao dos axiomas de linearidade
Formulac ao matematica no formato padronizado de acordo com (4.1)
3.2 Resolucao Graca de um PPL
Ap os a obtenc ao da formulacao matem atica e preciso se preocupar com a resoluc ao do
problema de otimizacao. Em particular, PPLs com duas variaveis permitem visualizac ao
geometrica, sendo assim, a princpio recorreremos ao metodo graco para resolver proble-
mas mais simples. O metodo gr aco consiste em, primeiramente determinar o conjunto
de todas as possveis solucoes para o problema, determinado pelo sistema de restri coes, e
dentre estas identicar aquela onde ocorre o valor otimo, avaliado pela funcao objetivo.
3.2.1 Representacao Graca das Restricoes
O espaco das soluc oes de problemas com duas vari aveis e o plano R
2
. Dois pontos distintos
A = (x
a
, y
a
) e B = (x
b
, y
b
) do plano determinam um reta, e pelas condi coes de alinha-
mento, um ponto qualquer P = (x, y) R
2
pertence ` a reta AB que passa por A e B, se
e somente se, a inclina cao da reta AB for a mesma inclinac ao da reta AP. Assim, temos:
y
b
y
a
x
b
x
a
=
y y
a
x x
a

(y
b
y
a
)(x x
a
) = (y y
a
)(x
b
x
a
)
(y
b
y
a
)x (y
b
y
a
)x
a
= (x
b
x
a
)y (x
b
x
a
)y
a

(y
b
y
a
)x (x
b
x
a
)y = x
a
y
b
x
a
y
a
x
b
y
a
+ x
a
y
a

(y
b
y
a
)
. .
a
x + (x
a
x
b
)
. .
b
y = x
a
y
b
x
b
y
a
. .
c
3.2. RESOLUC

AO GR

AFICA DE UM PPL 49
Sendo assim, toda reta no plano tem equac ao geral da forma:
ax + by = c (3.2)
onde a,b e c s ao constantes que podem assumir qualquer valor real. E, reciprocamente,
toda equacao deste tipo representa uma reta no plano R
2
.
Uma reta divide o plano em duas regioes denominadas semiplanos, e as inequac oes
ax + by > c e ax + by < c
representam semiplanos abertos distintos, enquanto as inequac oes
ax + by c e ax + by c
determinam semiplanos fechados cuja intersecao e a reta ax + by = c.
Exemplo 3.2.
Considere a equac ao da reta r : 2x + y = 1, representada gracamente abaixo em
linhas pontilhadas. A regiao hachurada e a representa cao graca do semiplano aberto
2x + y < 1
Se um semiplano e a representacao graca de uma inequacao em duas variaveis, entao
a representa cao gr aca de um sistema de inequac oes lineares em duas vari aveis ser a a
intersec cao dos semiplanos correspondentes a cada inequac ao. As restric oes de um PPL
50 CAP

ITULO 3. PROGRAMAC

AO LINEAR
juntamente com as condi coes de n ao-negatividade e um conjunto de semiplanos cuja
intersec cao determina um conjunto de pontos do R
2
denominado Regiao das Solucoes
Viaveis ou simplesmente Regiao Viavel (RV).
Exemplo 3.3.
A empresa TecniBOLA S.A. tem como unica atividade a fabricac ao de bolas, sendo
todas elas em couro e fabricadas segundo os processos primordiais. Atualmente fabrica
dois produtos, a bola de futebol Catechumbo e a bola de volei Voleitok. Ambos os produtos
s ao feitos do mesmo material, variando apenas na dimens ao, tipo de costuras e rotulagem.
Os recursos que denem a fabricacao das bolas sao: o corte do couro, o trabalho de
costura, a pintura de inscric oes na bola e preparac ao nal. Esta ultima e composta pelas
atividades de enchimento, controle de qualidade (inspec ao visual, calibrac ao e pesagem)
e embalagem.
Os dados fornecidos pela empresa referentes ` a quantidade de recursos necessarios para
a produ cao de cada tipo de bola e as quantidades disponveis para o dia de amanh a sao
os indicados na tabela:
Recursos unid. Voleitok Catechumbo Disponibilidade
Couro m
2
0,25 0,3 ilimitada
Linha m 2,5 4 ilimitada
C amera de Ar un 1 1 25
Embalagens un 1 1 ilimitada
Operac ao de Corte min 2 8 ilimitada
Operac ao de Costura min 9 25 480
Operac ao de Logotipagem min 1,5 1 ilimitada
Operac oes de Finalizac ao min 11 6 240
Para a tomada de decis ao, a empresa disponibilizou informacoes a respeito dos valores
monet arios envolvidos (em u.m.) nos seus produtos, apresentados a seguir:
3.2. RESOLUC

AO GR

AFICA DE UM PPL 51
Bola Custo de Producao Preco de Venda
Catechumbo 26,00 32,50
Voleitok 15,00 25,00
Como deve ser distribuda a producao amanh a de forma a maximizar o lucro, tendo
em conta os recursos existentes?
De acordo com o objetivo do problema, as vari aveis de decis ao podem ser assim
denidas:
x
1
: n umero de bolas Catechumbo a ser produzido amanh a.
x
2
: n umero de bolas Voleitok a ser produzido amanh a.
Utilizando as hip oteses de linearidade, obtemos o seguinte modelo:
max z = 6, 5x
1
+ 10x
2
(Lucro Total)
s.a. :
_

_
x
1
+ x
2
25 (restric ao de c amera de ar)
25x
1
+ 9x
2
480 (restric ao de operac ao de costura)
6x
1
+ 11x
2
240 (restric ao de operac oes de nalizac ao)
x
1
, x
2
0 (restricao de nao-negatividade)
Neste caso, estamos admitindo a hip otese de divisibilidade, entretando o problema re-
quer vari aveis inteiras, na pr oxima secao este PPL ser a resolvido com as tecnicas usuais,
mas a resposta nal devera respeitar a imposi cao pr atica de quantidades inteiras, uti-
lizando arredondamento, se necessario.
Exemplo 3.4. Construir a regiao viavel do problema da TecniBOLA S.A., apre-
sentado no exemplo 3.3, cujo modelo e:
52 CAP

ITULO 3. PROGRAMAC

AO LINEAR
max z = 6, 5x
1
+ 10x
2
(Lucro Total)
s.a. :
_

_
x
1
+ x
2
25 (restric ao de c amera de ar) (1)
25x
1
+ 9x
2
480 (restric ao de operac ao de costura) (2)
6x
1
+ 11x
2
240 (restric ao de operac oes de nalizac ao) (3)
x
1
, x
2
0 (restricao de nao-negatividade) (4) e (5)
Somente as restric oes do problema s ao consideradas para determinar a regi ao vi avel,
sendo assim as restri coes foram identicadas e numeradas. A seguir e apresentada a
representa cao graca de cada semiplano fechado correspondente ` as restric oes do problema.
(1) x
1
+ x
2
25
A reta r
1
: x
1
+ x
2
= 25 determina o semi-
plano correspondente ` a primeira restric ao, e
pode ser determinada por dois de seus pontos,
da seguinte maneira:
se x
1
= 0 ent ao x
2
= 25 (0; 25) r
1
se x
2
= 0 ent ao x
1
= 25 (25; 0) r
1
(2) 25x
1
+ 9x
2
480
(3) 6x
1
+ 11x
2
240
(4) x
1
0
(5) x
2
0
A interseccao dos cinco semiplanos denidos pelas restric oes (1), (2), (3), (4) e (5),
determina a regi ao das possveis soluc oes do problema e esta representada pela regi ao
hachurada abaixo:
3.2. RESOLUC

AO GR

AFICA DE UM PPL 53
O polgono ABCDE e o conjunto de todos os pontos X = (x
1
, x
2
) que satisfazem
todas as restri coes simultaneamente. Sendo assim, toda combinacao possvel da produc ao
de x
1
unidades de bolas Catechumbo e de x
2
unidades de bolas Voleitok ser a um ponto
54 CAP

ITULO 3. PROGRAMAC

AO LINEAR
do polgono ABCDE, do seu interior ou ponto de fronteira.
3.2.2 Representacao Graca da Funcao Objetivo
Funcoes lineares com duas vari aveis do tipo z = f(x
1
, x
2
) = c
1
x
1
+ c
2
x
2
s ao geometrica-
mente planos em R
3
, e somente admitem maximo e/ou mnimo se estiverem sujeitas a
restric oes, como no caso de um PPL. As curvas de nvel desse tipo de fun cao s ao retas
paralelas que crescem monotonamente na direc ao do gradiente
f(x
1
, x
2
) =
_
f
x
1
,
f
x
2
_
A cada ponto do conjunto de solu coes vi aveis esta associada uma, e somente uma, reta
da famlia de retas paralelas correspondente ` a fun cao objetivo. E solucionar gracamente
um PPL e determinar quais pontos da RV retornam o melhor valor para a func ao objetivo.
A origem do sistema de coordenadas e o unico ponto crtico de func oes lineares, para
o caso especco de PPL com duas variaveis o ponto crtico e (0, 0), que e um dos vertices
da RV e qualquer outro ponto extremo da funcao objetivo deve necessariamente estar
na fronteira da regiao delimitada pelas restricoes. Para encontrar tais pontos deve-se
percorrer a famlia de retas paralelas no sentido do gradiente.
Considere um ponto arbitr ario P RV e a reta z = c passando por P. Se P for
um ponto interior do polgono, sera possvel melhorar o valor da funcao objetivo porque
existem pontos de RV no semiplano determinado por z = c e pelo gradiente. Para
3.2. RESOLUC

AO GR

AFICA DE UM PPL 55
melhorar este valor basta tomar outro ponto de RV localizado `a direita de P e tracar o
representante da famlia de retas paralelas que passa por este ponto retornando maior
valor para a func ao objetivo. Se, por outro lado, P for tomado de maneira que n ao exista
nenhuma outra solucao vi avel situada no semiplano ` a direita ent ao nao sera mais possvel
melhorar o valor da func ao objetivo e a solucao otima foi determinada.
A solu cao do problema foi obtida tangenciando-se ` a direita o polgono das soluc oes
vi aveis e este fato implica que a soluc ao otima, quando existe, localiza-se em ao menos
um dos vertices de RV.
O procedimento de busca pelo vertice otimo e analogo para problemas de minimizac ao,
entretanto o sentido da busca pela soluc ao do problema deve seguir a direc ao contraria
ao crescimento indicado pelo vetor gradiente.
Exemplo 3.5. Resolver gracamente o problema da TecniBOLA S.A., apresentado
no exemplo 3.2
Na gura abaixo est ao representadas algumas retas paralelas correspondentes ` a func ao
objetivo z = 6, 5x
1
+ 10x
2
para z = 0, z = 100, z = 100 e z = c.
A reta z = c pode ser deslocada ate atingir o vertice C, onde nao ser a mais possvel au-
mentar o valor da fun cao objetivo respeitando todas as restricoes do problema. Portanto,
o ponto C e o ponto onde o valor de z e m aximo nas condic oes do PPL.
56 CAP

ITULO 3. PROGRAMAC

AO LINEAR
A soluc ao otima do problema pode ser obtida calculando-se as coordenadas do vertice
C, que e o resultado da interseccao das retas correspondentes `as restricoes (1) e (3). Sendo
assim, as coordenadas de C e a soluc ao do seguinte sistema linear de ordem 2.
_
x
1
+ x
2
= 25
6x
1
+ 11x
2
= 240
cuja soluc ao e: x
1
= 7 e x
2
= 18.
Portanto a solucao otima do PPL e: deverao ser produzidas amanha 7 bolas Cate-
chumbo e 18 bolas Voleitok para obter um lucro maximo de $ 225,50.
3.2.3 Soluc oes do Modelo
As condic oes para existencia de solucao para um PPL e garantida pelo seguinte teorema:
TEOREMA 3.1. (Teorema do Valor Extremo) Se f(x
1
, x
2
, . . . , x
n
) e contnua em um
subconjunto fechado e limitado do R
n
, entao f atinge valores globais de maximo e mnimo.
Como func oes lineares s ao contnuas, se o conjunto das solu coes vi aveis, para o caso
especco do R
2
, formar um polgono fechado ent ao o problema admite soluc ao.
Ao resolver gracamente um PPL em duas variaveis, tres situacoes podem ocorrer:
1. RV e um conjunto vazio
Neste caso, as restric oes s ao conitantes e o PPL nao admite solucao.
2. RV e nao vazio e limitado
O PPL tem soluc ao otima, unica ou nao.
3.2. RESOLUC

AO GR

AFICA DE UM PPL 57
(a) O problema tem uma unica soluc ao otima.
(b) O problema tem m ultiplas soluc oes otimas, isto e, todos os innitos pontos de
um segmento de reta s ao solucoes otimas, e d ao o mesmo valor para a fun cao
objetivo.
(a) (b)
3. RV e nao vazio e ilimitado
Duas situac oes podem ocorrer:
(a) O PPL tem solu cao otima, unica ou n ao.
(b) O PPL n ao tem otimo nito, o valor a func ao objetivo cresce indenidamente
no sentido favor avel.
(a) (b)
Roteiro
58 CAP

ITULO 3. PROGRAMAC

AO LINEAR
De acordo com o que foi estudado ate aqui, a resolucao graca de um modelo de PPL
com apenas duas vari aveis segue os seguintes passos:
1. Construir o plano cartesiano, tomando como eixos as variaveis de decisao;
2. Determinar os semiplanos correspondentes ` as restric oes para delimitar a regi ao
vi avel;
3. Tracar uma reta referencia qualquer com a inclinac ao da func ao objetivo;
4. Tracar retas paralelas ` a referencia no sentido de crescimento da func ao (maximizacao
da fun cao) ate tangenciar a regi ao vi avel. O ponto otimo, se existir, ser a um vertice
ou um lado da regiao vi avel.

Ainda um PPL com tres vari aveis e possvel de ser resolvido gracamente, embora
exija habilidade em desenho e boa vis ao espacial. Problemas com mais que tres vari aveis
necessitam de metodos algebricos para serem resolvidos. O interesse maior em estudar o
metodo gr aco esta em, atraves da representac ao gr aca, intuir propriedades te oricas e
delinear um metodo de resoluc ao algebrica que possa ser utilizado em problemas com um
n umero qualquer de vari aveis.
3.3 Lista de Problemas
Para cada item abaixo, modele o problema de acordo com as hip oteses de linearidade e
resolva gracamente os PPL com duas vari aveis.
1. Certa empresa fabrica 2 produtos P1 e P2. O lucro por unidade de P1 e de 100 u.m.
e o lucro unit ario de P2 e de 150 u.m. A empresa necessita de 2 horas para fabricar
uma unidade de P1 e 3 horas para fabricar uma unidade de P2. O tempo mensal
disponvel para essas atividades e de 120 horas. As demandas esperadas para os
dois produtos levaram a empresa a decidir que os montantes produzidos de P1 e P2
3.3. LISTA DE PROBLEMAS 59
n ao devem ultrapassar 40 unidades de P1 e 30 unidades de P2 por mes. Qual deve
ser o sistema de producao mensal para maximizar o lucro da empresa?
2. Um sapateiro faz 6 sapatos por hora, se zer somente sapatos, e 5 cintos por hora,
se zer somente cintos. Ele gasta 2 unidades de couro para fabricar 1 unidade de
sapato e 1 unidade de couro para fabricar uma unidade de cinto. Sabendo-se que o
total disponvel de couro e de 6 unidades e que o lucro unit ario por sapato e de 5
u.m. e o do cinto e de 2 u.m. Qual deve ser o sistema de producao do sapateiro, se
o objetivo e maximizar o seu lucro por hora?
3. Um pizzaiolo trabalha 8h por dia e faz 16 pizzas por hora, caso faca somente pizzas,
e 9 calzones por hora, se zer somente calzones. Ele gasta 40gr de queijo para
preparar uma pizza e 60gr de queijo para fazer um calzone. Sabendo-se que o total
disponvel de queijo e de 5kg por dia, e que a pizza e vendida a R$18,00 e o calzone
a R$22,00, pergunta-se: quantas unidade de pizzas e calzones uma pizzaria com tres
pizzaiolos deve vender diariamente para maximizar a sua receita?
4. Um vendedor de frutas pode transportar 800 caixas de frutas para sua regi ao de
vendas. Ele necessita transportar 200 caixas de laranjas a 20 u.m. de lucro por
caixa, pelo menos 100 caixas de pessegos a 10 u.m. de lucro por caixa, e no m aximo
200 caixas de tangerina a 30 u.m. de lucro por caixa. De que forma dever a ele
carregar o caminhao para obter o lucro maximo?
5. Uma rede de televis ao local tem o seguinte problema: foi descoberto que o programa
A com 20 minutos de m usica e 1 minuto de propaganda chama a aten cao de 30.000
telespectadores, enquanto o programa B, com 10 minutos de m usica e 1 minuto de
propaganda chama a atencao de 10.000 telespectadores. No decorrer de uma semana,
o patrocinador insiste no uso de no mnimo, 5 minutos para sua propaganda e que
n ao h a verba para mais de 80 minutos de m usica. Quantas vezes por semana cada
programa deve ser levado ao ar para obter o n umero m aximo de telespectadores?
6. Uma empresa fabrica 2 modelos de cintos de couro. O modelo M1, de melhor
qualidade, requer o dobro de tempo de fabrica cao em relac ao ao modelo M2. Se
60 CAP

ITULO 3. PROGRAMAC

AO LINEAR
todos os cintos fosse do modelo M2, a empresa poderia produzir 1.000 unidades por
dia. A disponibilidade de couro permite fabricar 800 cintos de ambos os modelos
por dia. Os cintos empregam velas diferentes, cuja disponibilidade di aria e de 400
para M1 e 700 para M2. Os lucros unit arios s ao de $4,00 para M1 e $3,00 para M2.
Qual o programa otimo de produc ao que maximiza o lucro total di ario da empresa?
7. Um empresa, apos um processo de racionaliza cao de producao, cou com disponi-
bilidade de 3 recursos produtivos, R1, R2 e R3. Um estudo sobre o uso desses
recursos indicou a possibilidade de se fabricar 2 produtos P1 e P2. Levantando
os custos e consultando o departamento de vendas sobre o preco de coloca cao no
mercado, vericou-se que P1 daria um lucro de $120,00 por unidade e P2, $150,00
por unidade. O departamento de produc ao forneceu a seguinte tabela de uso de
recursos:
Produto R1 p.u. R2 p.u. R3 p.u.
P1 2 3 5
P2 4 2 3
Disponibilidade de
recursos por mes 100 90 120
Que producao mensal de P1 e P2 traz o maior lucro para empresa?
8. Um fazendeiro esta estudando a divis ao de sua propriedade nas seguintes atividades
produtivas:
- A (Arrendamento): Destinar certa quantidade de sua propriedade para a
planta cao de cana-de-ac ucar, a uma usina local, que se encarrega da atividade
e paga pelo aluguel da terra $300,00 por alqueire por ano.
- P (Pecu aria): Usar outra parte para a cria cao de gado de corte. A recuperacao
das pastagens requer aduba cao (100 kg/Alq) e irrigac ao (100.000 litros/Alq)
por ano. O lucro estimado nessa atividade e de $400,00 por alqueire por ano.
- S (Plantio de Soja): Usar uma terceira parte para o plantio de soja. Essa
cultura requer 200 kg por alqueire de adubos e 200.000 litros de agua por
alqueire para irrigac ao por ano. O lucro estimado nessa atividade e de $500,00
por alqueire por ano.
3.3. LISTA DE PROBLEMAS 61
Sabendo que ha disponibilidade de 12.750.000 litros de agua, 14.000 kg de adubo e
100 alqueires de terra por ano, quantos alqueires devera destinar a cada atividade
para proporcionar o melhor retorno?
9. Um indivduo quer investir $ 5.000,00 no proximo ano em dois tipos de investimento:
o investimento A rende 5% e o investimento B rende 8%. Pesquisas de mercado,
recomendam uma alocacao de no mnimo 25% em A e no m aximo 50% em B. Alem
do mais o investimento em A deve ser no mnimo metade do investimento em B.
Como o fundo deveria ser alocado aos dois investimentos?
10. Uma liga especial constituda de ferro, carvao, silcio e nquel pode ser obtida usando
a mistura desses minerais puros alem de 2 tipos de materiais recuperados:
Material Recuperado 1 (MR1) - Composic ao:
_

_
ferro - 60%
carv ao - 20% custo por kg $0,20
silcio - 20%
Material Recuperado 2 (MR2) -
Composic ao:
_

_
ferro - 70%
carv ao - 20% custo por kg $0,25
silcio - 5%
nquel - 5%
A liga deve ter a seguinte composi cao nal
Materia-prima % mnima % maxima
ferro 60 65
carv ao 15 20
silcio 15 20
nquel 5 8
O custo dos materiais puros (por kg) s ao: ferro $0,30; carvao $0,20; silcio $0,28;
nquel $0,50. Qual devera ser a composic ao da mistura em termos dos materiais
disponveis, com menor custo por kilo?
62 CAP

ITULO 3. PROGRAMAC

AO LINEAR
11. A ind ustria Alumilaminas S/A iniciou suas operacoes em janeiro de 2006 e ja vem
conquistando espaco no mercado de laminados brasileiros, tendo contratos fechados
de fornecimento para todos os 3 tipos diferentes de l aminas de alumnio que fabrica:
espessuras na, media ou grossa. Toda a produc ao da companhia e realizada em
duas fabricas, uma localizada em S ao Paulo e a outra no Rio de Janeiro. Segundo
os contratos fechados, a empresa precisa entregar 16 toneladas de l aminas nas, 6
toneladas de l aminas medias e 28 toneladas de laminas grossas. Devido ` a qualidade
dos produtos de Alumilaminas S/A, ha uma demanda extra para cada tipo de
l aminas. A f abrica de S ao Paulo tem um custo de producao di aria de R$ 100.000,00
para uma capacidade produtiva de 8 toneladas de l aminas nas, 1 tonelada de
l aminas medias, 2 toneladas de l aminas grossas por dia. O custo de produc ao diario
da fabrica do Rio de Janeiro e de R$ 200.000,00 para uma producao de 2 toneladas
de l aminas nas, 1 tonelada de l aminas medias, 7 toneladas de l aminas grossas.
Quantos dias cada uma das fabricas dever a operar para atender aos pedidos ao
menor custo possvel?
12. Uma companhia de transporte tem dois tipos de caminh oes: O tipo Atem 2m
3
de espa co refrigerado e 3m
3
de espa co n ao refrigerado; tipo Btem 2m
3
de espa co
refrigerado e 1m
3
de espaco n ao refrigerado. O cliente quer transportar um produto
que necessitar a 16m
3
de espa co refrigerado e 12m
3
de espa co nao refrigerado. A
companhia calcula em 1.100 litros o consumo de combustvel para a viagem com o
caminh ao Ae 750 litros para o caminh ao B. Quantos caminhoes de cada tipo
dever ao ser usados no transporte do produto, com o menor consumo de combustvel?
13. A empresa Have Fun S/A. produz uma bebida energetica muito consumida pelos
freq uentadores de danceterias noturnas. Dois componentes utilizados na preparacao
da bebida s ao solu coes compradas de laborat orios terceirizados - solucao Red e a
soluc ao Blue - e que proveem os principais ingredientes ativos do energetico: extrato
de guarana e cafena. A companhia quer saber quantas doses de 10ml. de cada
soluc ao deve incluir em cada lata da bebida, para satisfazer ` as exigencias mnimas
padronizadas de 48gr. de extrato de guaran a e 12gr. de cafena e, ao mesmo tempo,
3.3. LISTA DE PROBLEMAS 63
minimizar o custo da produc ao. Por acelerar o batimento cardaco, a norma padrao
tambem prescreve que a quantidade de cafena seja no m aximo 20gr. por lata. Uma
dose da solu cao Red contribui com 8gr de extrato de guaran a e 1gr de cafena,
enquanto uma dose da solu cao Blue contribui com 6gr. de extrato de guarana e 2gr.
de cafena. Uma dose de Red custa R$0,06 e uma dose de Blue custa R$0,08.
14. Um fabricante de carros produz duas vers oes de seu modelo popular de tamanho
medio: um utilitario direcionado ao mercado de famlias e um esportivo projetado
para atrair clientes ricos e solteiros. Ambos s ao montados sobre os mesmos chas-
sis e diferem somente na carroceria. Ambos s ao tambem produzidos na mesma
f abrica. Existem 10.000 horas de forca de trabalho e 1.325 unidades de chassis
b asicos disponveis a cada semana. O modelo utilit ario leva seis horas para ser mon-
tado, enquanto o modelo esportivo leva 9 horas. Pelo menos 400 unidades do modelo
utilit ario devem ser produzidas por semana. A produc ao tambem e restringida pelo
fato de que, devido a problemas com um fornecedor, somente 6.000 macanetas estao
disponveis por semana. Um utilitario utiliza cinco dessas macanetas, enquanto um
esportivo utiliza tres. O lucro da fabrica sobre um modelo utilitario e estimado em
$ 1.500,00, enquanto o lucro sobre um modelo esportivo e de $ 2.000,00. A demanda
do mercado pelos carros e alta. Sabe-se que a demanda excedera a produc ao em
algum momento; entao, a f abrica deve ser capaz de vender qualquer mix de carros
que for produzido.
(a) Quantas macanetas em excesso seriam recebidas pela fabrica a cada semana se
o mix de carros de produc ao recomendado for seguido.
(b) Se a f abrica pudesse obter somente uma das coisas a seguir, o que a permitiria
produzir mais carros?
i. Mais unidades de chassis.
ii. Mais macanetas.
iii. Maior margem de lucro sobre cada carro.
iv. Remocao da restric ao sobre a producao do modelo utilit ario.
CAP

ITULO 4
RESOLUC

AO DE PPL
A import ancia do metodo gr aco visto no captulo anterior, reside no fato de permitir a
visualizac ao de um metodo algebrico mais geral, que consiste em procurar o vertice do
polgono que otimize a fun cao objetivo.
4.1 Estruturacao de Modelos Lineares
Definic

ao 4.1. Em problemas de minimizacao, uma solucao viavel x

= (x

1
, x

2
, . . . , x

n
)
e dita otima se f(x

) f(x), para toda solucao viavel x.


Definic

ao 4.2. Um modelo de PPL esta na forma padrao quando for formulado da


seguinte maneira:
min z = c
1
x
1
+ c
2
x
2
+ . . . + c
n
x
n
s.a. :
_

_
a
11
x
1
+ a
12
x
2
+ . . . + a
1n
x
n
= b
1
a
21
x
1
+ a
22
x
2
+ . . . + a
2n
x
n
= b
2
.
.
.
a
m1
x
1
+ a
m2
x
2
+ . . . + a
mn
x
n
= b
m
x
1
, x
2
, . . . , x
n
0
(4.1)
Observe que, na forma padr ao, a funcao objetivo deve ser minimizada, as restri coes
64
4.1. ESTRUTURAC

AO DE MODELOS LINEARES 65
s ao denidas como um sistema de equa coes lineares e todas as vari aveis devem satisfazer
as condic oes de nao-negatividade.
A forma padr ao nao e restritiva pois todo PPL pode ser posto como em (4.1), de fato:
1. Para PPL de minimizac ao, encontrar uma solucao viavel x

que minimize f(x) e


equivalente a encontrar uma soluc ao que maximizac ao f(x).
Suponha que x

e um ponto otimo de f(x), ent ao


f(x

) f(x), x viavel

(1)
f(x

) f(x), x viavel
(f)(x

) (f)(x), x viavel
2. Para ocorrencia de desigualdades
Toda inequac ao pode ser convertida em equa cao adicionando ou subtraindo-se va-
ri aveis adicionais positivas denominadas variaveis de folga ou de excesso para
o caso de ocorrencia de desigualdades do tipo ou , respectivamente.
3. Para ocorrencia de variaveis livres
S ao consideradas livres, as vari aveis que n ao apresentam qualquer tipo de restric ao
de sinal. Uma vari avel livre x
j
pode ser substituda por outras duas variaveis x

j
e
x

j
n ao-negativas, bastando para isto tomar x
j
= x

j
x

j
Na forma padr ao um PPL pode ser escrito equivalentemente em notacao matricial
como:
max f(x) = c
T
x
Ax = b
x 0
(4.2)
onde:
66 CAP

ITULO 4. RESOLUC

AO DE PPL
A =
_
_
_
_
_
_
a
11
. . . a
1n
.
.
.
a
m1
. . . a
mn
_
_
_
_
_
_
e a matriz dos coecientes;
c
T
=
_
c
1
c
2
. . . c
n
_
e o vetor dos custos;
x
T
=
_
x
1
x
2
. . . x
n
_
e o vetor das variaveis de decis ao;
b
T
=
_
b
1
b
2
. . . b
m
_
e o vetor dos recursos;
0 =
_
0 0 . . . 0
_
e o vetor nulo.
Exemplo 4.1. Problema ilustrativo
Uma f abrica tem tres tipos de maquinas (M
1
, M
2
, M
3
) cada uma das quais dever ser
usada na manufatura de seus produtos P
1
e P
2
. Sabendo que o lucro por unidade de P
1
e 40 u.m. e o lucro por unidade de P
2
e 60 u.m., decida quanto fabricar de cada produto
por semana a m de maximizar os lucros de acordo com a seguinte tabela:
Maquinas Horas P
1
Horas P
2
Horas disponveis
M
1
2 1 70
M
2
1 1 40
M
3
1 3 90
O modelo para este PPL e:
x
1
: produc ao semanal de P
1
x
2
: produc ao semanal de P
2
max z = 40x
1
+ 60x
2
s.a. :
_

_
2x
1
+ x
2
70
x
1
+ x
2
40
x
1
+ 3x
2
90
x
1
, x
2
0
Para que o sistema de restri coes do problema seja posto na forma (Ax = b, x 0)
4.2. FUNDAMENTAC

AO TE

ORICA 67
vari aveis de folga devem ser denidas:
x
3
= 70 2x
1
x
2
0
x
4
= 40 x
1
x
2
0
x
5
= 90 x
1
3x
2
0
Inserido as variaveis de folga, obtemos o modelo do PPL na forma padrao:
max z = 40x
1
+ 60x
2
s.a. :
_

_
2x
1
+ x
2
+ x
3
= 70
x
1
+ x
2
+ x
4
= 40
x
1
+ 3x
2
+ x
5
= 90
x
j
0 j = 1, . . . , 5
4.2 Fundamentacao Te orica
O metodo algebrico Simplex para solucionar PPL est a fundamentado nas tecnicas e con-
ceitos da

Algebra Linear. Para generalizar as ideias discutidas no metodo geometrico
algumas denic oes e reformula coes se far ao necessarias.
A denic ao seguinte generaliza o conceito de semiplano denido na captulo anterior.
Definic

ao 4.3. A equacao a
1
x
1
+ a
2
x
2
+ . . . + a
n
x
n
= b, com a
1
, . . . , a
n
, b R de-
ne um Hiperplano em R
n
, que divide o espaco R
n
em dois semi-espacos disjuntos:
a
1
x
1
+ a
2
x
2
+ . . . + a
n
x
n
< b e a
1
x
1
+ a
2
x
2
+ . . . + a
n
x
n
> b.
Analogamente ao que foi visto para PPL em duas vari aveis, para problemas com tres
ou mais variaveis a funcao objetivo representa uma famlia de hiperplanos paralelos entre
si.
Definic

ao 4.4. A interseccao de um n umero nito de semi-espacos fechados e denomi-


nado politopo. Isto e, um politopo e denido por
P =
_
x R
n
:
n

j=1
a
ij
x
j
b
i
, para i = 1, 2, . . . , m
_
68 CAP

ITULO 4. RESOLUC

AO DE PPL
O conjunto das solucoes vi aveis de um PPL e um politopo pois e obtida pela interseccao
de um n umero nito de restric oes. Mesmo as inequacoes do tipo que possivelmente
comp oem o sistema de restri coes facilmente s ao transformadas em inequac oes do tipo
pela simples multiplicacao da expressao por -1.
Definic

ao 4.5. Sejam x
1
, x
2
, . . . , x
k
vetores do R
n
e
1
,
2
, . . . ,
k
n umeros reais.
x =
k

i=1

i
x
i
e uma Combinacao Linear Convexa se
i
0 para todo i = 1, 2 . . . , k
e se
k

i=1

i
= 1. Se
i
> 0 para todo i = 1, 2 . . . , k, dizemos que e uma Combinacao
Linear Convexa Legtima.
Exemplo 4.2. Dados os vetores x
1
= (1, 0) e x
2
= (0, 1) de R
2
.
O vetor x
1
+x
2
e uma combinac ao linear dos vetores x
1
e x
2
, mas n ao e uma combina cao
linear convexa pois
1
+
2
= 2 = 1.
O vetor 2x
1
x
2
n ao e uma combinac ao linear convexa dos vetores x
1
e x
2
, apesar
de
1
+
2
= 1, n ao satisfaz a condicao de n ao-negatividade dos escalares pois

2
= 1 < 0.
4.2. FUNDAMENTAC

AO TE

ORICA 69
Os vetores 0, 5x
1
+ 0, 5x
2
, 0, 6x
1
+ 0, 4x
2
, 0, 4x
1
+ 0, 6x
2
, 0, 7x
1
+ 0, 3x
2
e 0, 3x
1
+ 0, 7x
2
s ao exemplo de combinac oes lineares convexas legtimas pois satisfazem
1
+
2
= 1,
com
1
,
2
> 0.
Geometricamente pode-se interpretar uma combinacao linear convexa de dois pontos
como um ponto do segmento de reta que une os dois pontos originais.
Definic

ao 4.6. Um conjunto M e convexo se toda combinacao linear convexa de qual-


quer par de pontos do conjunto tambem for elemento de M.
Em outras palavras, M e convexo se todo segmento de reta denido por dois quaisquer
de seus pontos estiver contido no conjunto.
Exemplo 4.3. Os conjuntos representados nas guras (a) e (b) sao exemplos de
conjuntos convexos, enquanto as guras (c) e (d) sao conjuntos nao convexos.
TEOREMA 4.1. A regiao viavel de um PPL e um politopo convexo.
Dem.: J a vimos que a regiao vi avel de um PPL e um politopo e para mostrar que e
uma regiao convexa, sejam y, z RV .
Para ser uma soluc ao vi avel y e z devem satisfazer todas as restric oes e as condicoes
de nao-negatividade, assim tem-se que Ay = b, Az = b e que y, z 0.
Seja y + z uma combinac ao linear convexa, isto e, , 0 e + = 1 . Ent ao
a) y + z 0 pois , , y, z 0
b) A(y + z) = Ay + Az = bb = ( + )b = b
O que demonstra y + z RV e portanto RV e um politopo convexo.
70 CAP

ITULO 4. RESOLUC

AO DE PPL
Definic

ao 4.7. Um ponto x de um politopo convexo, denomina-se vertice quando ele nao


puder ser obtido como uma combinacao linear convexa legtima de nenhum par de pontos
distintos do politopo.
Exemplo 4.4. Problema ilustrativo (continuacao)
Retornando ao exemplo 4.1, utilizando a notac ao matricial o sistema de equac oes
lineares correspondente `as restric oes explcitas do problema e da forma Ax = b,
_

_
2 1 1 0 0
1 1 0 1 0
1 3 0 0 1
_

_
_

_
x
1
x
2
x
3
x
4
x
5
_

_
=
_

_
70
40
90
_

_
Apesar do problema passar a ter cinco vari aveis, qualquer par ordenado (x
1
, x
2
) R
2
determina unicamente todas as vari aveis, pois as vari aveis de folga sao dependentes das
duas vari aveis de decis ao do modelo original.
Observe que posto(A) = 3, sendo assim o sistema Ax = b com m = 3 equac oes e
m + n = 5 variaveis e um Sistema Possvel e Indeterminado. Portanto, o sistema tem
duas vari aveis livres, para as quais podemos atribuir quaisquer valores.
Vamos admitir que atribuiremos apenas valores nulos para as variaveis livres, como
s ao cinco vari aveis agrupadas em conjunto de dois elementos, teremos 10 combina coes
possveis:
1. Fixar x
1
= x
2
= 0 resulta em x
3
= 70, x
4
= 40, x
5
= 90
2. Fixar
_

_
x
2
= 0
x
3
= 0
resulta em
_

_
2x
1
= 70
x
1
+ x
4
= 40
x
1
+ x
5
= 90
cuja soluc ao e
_

_
x
1
= 35
x
4
= 5
x
5
= 55
3. Fixar
_

_
x
3
= 0
x
4
= 0
resulta em
_

_
2x
1
+ x
2
= 70
x
1
+ x
2
= 40
x
1
+ 3x
2
+ x
5
= 90
cuja solucao e
_

_
x
1
= 30
x
2
= 10
x
5
= 30
4.2. FUNDAMENTAC

AO TE

ORICA 71
4. Fixar
_

_
x
4
= 0
x
5
= 0
resulta em
_

_
2x
1
+ x
2
+ x
3
= 70
x
1
+ x
2
= 40
x
1
+ 3x
2
= 90
cuja solucao e
_

_
x
1
= 15
x
2
= 25
x
3
= 15
5. Fixar
_

_
x
3
= 0
x
5
= 0
resulta em
_

_
2x
1
+ x
2
= 70
x
1
+ x
2
+ x
4
= 40
x
1
+ 3x
2
= 90
cuja solucao e
_

_
x
1
= 24
x
2
= 22
x
4
= 6
6. Fixar
_

_
x
1
= 0
x
3
= 0
resulta em
_

_
x
2
= 70
x
2
+ x
4
= 40
3x
2
+ x
5
= 90
cuja soluc ao e
_

_
x
2
= 70
x
4
= 30
x
5
= 120
7. Fixar
_

_
x
1
= 0
x
4
= 0
resulta em
_

_
x
2
+ x
3
= 70
x
2
= 40
3x
2
+ x
5
= 90
cuja solucao e
_

_
x
2
= 40
x
4
= 30
x
5
= 30
8. Fixar
_

_
x
1
= 0
x
5
= 0
resulta em
_

_
x
2
+ x
3
= 70
x
2
+ x
4
= 40
3x
2
= 90
cuja soluc ao e
_

_
x
2
= 30
x
3
= 40
x
4
= 10
9. Fixar
_

_
x
2
= 0
x
4
= 0
resulta em
_

_
2x
1
+ x
3
= 70
x
1
= 40
x
1
+ x
5
= 90
cuja solucao e
_

_
x
1
= 40
x
3
= 10
x
5
= 50
10. Fixar
_

_
x
2
= 0
x
5
= 0
resulta em
_

_
2x
1
+ x
3
= 70
x
1
+ x
4
= 40
x
1
= 90
cuja soluc ao e
_

_
x
1
= 90
x
3
= 110
x
4
= 50
A solucao gr aca do problema pode ser visualizada na gura seguinte.
As soluc oes encontradas nas alternativas 5, 6, 7, 9 e 10 s ao invi aveis, isto e, apesar de
ser soluc ao do sistema Ax = b est ao fora da regi ao viavel. Enquanto a solucao encontrada
na alternativa 1 corresponde ao vertice A do polgono que representa a regiao vi avel do
72 CAP

ITULO 4. RESOLUC

AO DE PPL
problema, a soluc ao 2 e o vertice B, a solucao 3 e o vertice C, a soluc ao 4 e o vertice D e
a solucao 8 e o vertice E.
Para encontrar a soluc ao otima de um PPL e necessario encontrar solucoes para o
sistema de equa coes lineares Ax = b, com m equac oes e n + m inc ognitas.

E comum, em problema reais, m << n. Sendo assim, sem perda de generalidade,


podemos supor que posto(A) = m, eliminando previamente as combina coes lineares. O
sistema Ax = b tem innitas solu coes e apresenta n vari aveis livres que uma vez xadas, os
valores das m vari aveis restantes podem ser determinados unicamente por algum metodo
numerico para resolu cao de sistemas lineares.
A matriz A pode ser particionada convenientemente da seguinte maneira:
A =
_
B N
_
onde:
B
mm
e chamada matriz Basica, formada por m colunas de A que a torne invertvel.
N
mn
e chamada matriz Nao basica, formada pelas n colunas restantes de A.
4.2. FUNDAMENTAC

AO TE

ORICA 73
Desta forma, o sistema Ax = b pode ser reescrito como
_
B N
_
_

_
x
B
x
N
_

_
= b
onde
_

_
x
B
x
N
_

_
e uma partic ao de x induzida pela parti cao de A,
x
B
e um vetor m1 denominado vetor das variaveis basicas e,
x
N
de ordem n 1 e o vetor das variaveis nao basicas.
De acordo com a parti cao do sistema, e possvel obter o vetor das variaveis b asicas x
B
da seguinte maneira:
Bx
B
+ Nx
N
= b x
B
= B
1
b B
1
Nx
N
Se considerarmos o vetor das vari aveis n ao basicas x
N
nulo, obtemos o vetor x =
_

_
x
B
x
N
_

_
denominado solucao basica da seguinte maneira:
_

_
x
B
= B
1
b
x
N
= 0
Se todas as variaveis basicas que comp oem x
B
forem n ao-negativas ent ao a soluc ao x
e denominada solucao basica viavel.
Exemplo 4.5. Problema ilustrativo (continuacao)
O sistema obtido no exemplo 4.1
_

_
2 1 1 0 0
1 1 0 1 0
1 3 0 0 1
_

_
_

_
x
1
x
2
x
3
x
4
x
5
_

_
=
_

_
70
40
90
_

_
Pode ser particionado da seguinte maneira:
74 CAP

ITULO 4. RESOLUC

AO DE PPL
_

_
2 1 1
1 1 0
1 3 0
_

_
_

_
x
1
x
2
x
3
_

_
+
_

_
0 0
1 0
0 1
_

_
_
x
4
x
5
_
=
_

_
70
40
90
_

_
B x
B
N x
N
b
Fixando x
N
= 0, obtemos a soluc ao b asica viavel x
T
= (15 25 15 0 0), que ja
constatamos tratar-se do vertice C da regiao vi avel.
Estamos em condi coes de enunciar duas propriedades fundamentais:
TEOREMA 4.2. Um ponto x RV e um vertice se, e somente se, for uma solu cao
basica viavel.
TEOREMA 4.3. Se um PPL tem solucao otima, entao existe um vertice otimo.
TEOREMA 4.4. A regiao viavel de um PPL tem um n umero nito de vertices.
Dem.: O n umero de solu coes basicas do sistema Ax = b e a combinac ao de m vetores
linearmente independentes tomados de um conjunto de n+m vetores correspondentes
` as colunas da matriz A, isto e, a quantidade de soluc oes b asicas sera dada por C
n+m
m
.
Por denicao, as soluc oes basicas vi aveis formam um subconjunto das solucoes b asicas
do PPL e como, pelo teorema 4.2 cada vertice corresponde a uma soluc ao b asica vi avel,
concluimos que o n umero de vertices de RV e no maximo
C
n+m
m
=
(n + m)!
m! n!
que e nito.
Conclui-se que, se existe uma solu cao otima para o PPL ent ao existe uma soluc ao
b asica viavel e para resolver um PPL basta procurar a soluc ao otima nos vertices da
regi ao vi avel.
Assim para resolver o problema, basta determinar todas as soluc oes basicas viaveis,
digamos x
1
, x
2
, . . . , x
k
e obter a soluc ao otima x

tal que
f(x

) = min{f( x
1
), f( x
2
), . . . , f( x
k
)}
4.2. FUNDAMENTAC

AO TE

ORICA 75
Entretanto k pode ser uma quantidade demasiadamente grande, e o procedimento de
busca e comparacao entre todos os vertices se torna invi avel computacionalmente. O
metodo simplex ira economizar calculos efetuando a busca de soluc oes otimas somente
nos vertices que apresentem soluc oes melhores que as anteriores.
Exemplo 4.6. Problema ilustrativo (continuacao)
A regiao viavel do problema das maquinas apresentado e formulado no exemplo 4.1
tem 5 vertices que foram todos obtidos como soluc oes basicas vi aveis no exemplo 4.4
dentre os elementos do conjunto das soluc oes b asicas cuja ordem e
C
5
3
=
5!
2! 3!
= 10
Diferentemente do que foi feito no exemplo 4.4, queremos estabelecer um procedimento
que determine o vertice otimo sem calcular todas as solucoes basicas. Para tanto, tomemos
para comecar x
N
= (x
1
x
2
)
T
.
Neste caso, x
1
= x
2
= 0 e portanto o lucro sera z = 0. Como o objetivo do problema e
maximizar o lucro e o produto P
2
retorna maior lucro por unidade, iremos tentar produzir
o m aximo possvel de P
2
. Assim x
1
continua nula e x
2
deve se tornar positiva. Mas qual
o valor que x
2
deve assumir?
Para responder a esta quest ao, devemos retornar `a denicao das vari aveis de folga
dadas no exemplo 4.1 e assumindo que x
1
= 0, temos:
x
3
= 70 x
2
x
4
= 40 x
2
x
5
= 90 3x
2
Como as variaveis de folga tambem devem obedecer as condic oes de n ao-negatividade,
o valor limite para a vari avel x
2
na primeira equac ao e 70, na segunda e 40 e na terceira
e 30, logo para que todas as variaveis de folga sejam nao negativas o valor m aximo que
pode ser assumido para a vari avel de decisao x
2
deve ser 30.
Assim x
B
= (0 30)
T
, que corresponde ao vertice E da regi ao viavel, e retorna um
76 CAP

ITULO 4. RESOLUC

AO DE PPL
lucro de z = 1800. Observe que partimos do vertice A = (0, 0) e encontramos o vertice
consecutivo E, se opt assemos pelo vertice B = (35, 0) o retorno seria menor z = 1400.
Como ja construimos geometricamente a regiao das soluc oes viaveis, sabemos que so
temos uma op cao, ir para o vertice D que resultara no lucro m aximo de z = 2100.
Mas como determinar este vertice algebricamente? Esta quest ao ser a respondida
pelo desenvolvimento do Metodo Simplex utilizando a caracterizac ao das soluc oes b asicas
vi aveis, que ser a feito no proximo captulo.
4.3 Lista de Problemas
1. Seja um tri angulo ABC. Esse triangulo, no caso de retirarmos o baricentro, e um
conjunto convexo? Justique.
2. Mostre que qualquer ponto de um tri angulo ABC pode ser obtido como combinac ao
linear convexa de seus tres vertices.
3. Num problema de programac ao linear somente os vertices podem ser soluc ao otima?
Justique.
4. Assinalar a armativa que julgar mais correta.
I. A principal importancia dos vertices para a resolu cao de um PPL consiste:
(a) na visualizac ao do problema;
(b) ao inves de procurar a soluc ao entre um n umero innito de pontos, podemos
limitar-nos a um n umero nito de pontos;
(c) na determinac ao de outros pontos do espaco de solucoes vi aveis e que podem
ser formados como combina cao linear convexa desses vertices.
II. Se o conjunto de soluc oes viaveis do PPL n ao for um conjunto limitado:
(a) o problema e impossvel;
(b) a func ao objetivo assume um valor innito;
4.3. LISTA DE PROBLEMAS 77
(c) o problema tem sempre uma soluc ao otima;
(d) nenhuma dessas armativas e correta.
5. Considere o seguinte problema de PL:
max z = 2x
1
+ 3x
2
s.a. :
_

_
x
1
+ 3x
2
6
3x
1
+ 2x
2
6
x
1
, x
2
0
(a) Expresse o problema na forma padr ao.
(b) Determine todas as solucoes basicas do problema e classique-as como vi aveis
e invi aveis.
(c) Determine a soluc ao b asica viavel otima do problema.
(d) Confronte com a resoluc ao graca e verique a soluc ao obtida e realmente a
soluc ao otima do PPL. E conclua que a soluc ao otima pode ser determinada
algebricamente considerando somente soluc oes b asicas viaveis.
(e) Mostre como as soluc oes basicas nao viaveis s ao representadas gracamente na
regi ao de soluc oes.
6. Considere um PPL cujas as restri coes sao dada a seguir
_

_
2x
1
+ 3x
2
33
x
1
+ x
2
15
x
1
+ 3x
2
27
x
1
, x
2
0
Sabendo que os pontos: A = (6, 7) e B = (12, 3) sao soluc oes otimas do problema,
(a) Determine a func ao objetivo;
(b) Verique e justique que o ponto C = (9, 5) tambem e uma soluc ao otima;
(c) Mostre que A e B s ao vertices da regi ao viavel e que C n ao e.
78 CAP

ITULO 4. RESOLUC

AO DE PPL
7. Seja o PPL
max z = x
1
+ x
2
+ x
3
s.a. :
_

_
x
1
+ x
2
6
x
2
2x
3
= 4
x
1
, x
2
, x
3
0
(a) Determine todos os vertices da regi ao viavel do PPL ;
(b) Considere os seguintes pontos de R
3
: A = (1, 5,
1
2
), B = (2, 6, 2),
C = (0, k,
k4
2
) e D = (k, 4, 0), com k R
+
. Quais deles s ao soluc oes do PPL?
Quais sao soluc oes b asicas? Quais sao soluc oes vi aveis? Quais sao vertices?
(c)

E possvel garantir que existe, ao menos, um vertice que e solucao otima do
PPL ? Por que? Se sim, determine a soluc ao otima.
8. Responda Verdadeiro ou Falso e justique:
(a) Toda solucao otima de um PPL e vertice.
(b) Se o PPL tiver mais de uma solu cao otima, ele tera sempre uma innidade de
soluc oes otimas que nao sao vertices.
(c) Seja um PPL na forma padrao. Todas as solu coes b asicas vi aveis tem obriga-
toriamente o mesmo n umero de variaveis nulas.
CAP

ITULO 5
O M

ETODO SIMPLEX
O metodo simplex e um procedimento algebrico e iterativo que fornece a solucao exata
de qualquer PPL em um n umero nito de itera coes, o metodo e composto por criterios
especcos para escolha das soluc oes que melhorem o desempenho do modelo e de um
teste de otimalidade.

E tambem capaz de indicar se o problema tem solucao ilimitada,
se nao tem soluc ao ou se possui innitas soluc oes. Tais caractersticas permitem sua
implementa cao em programas extremamente r apidos e ecientes, possibilitando a solu coes
de problemas com centenas de variaveis de decis ao. Atualmente extens oes do metodo
s ao capazes de analisar sistemas com centenas de milhares de variaveis. O metodo foi
desenvolvido pelo matem atico americano George Dantizig em 1947, e resultou em uma
economia de bilhoes de d olares para a ind ustria e o governo americano.
Para resolver um PPL algebricamente, e preciso desenvolver uma sistem atica que seja
capaz de determinar:
Qual o sistema de equac oes que deve ser resolvido;
Que o pr oximo sistema a ser resolvido fornecera uma soluc ao melhor que os
anteriores;
Como identicar uma solu cao otima, uma vez que a tenhamos encontrado.
Essa sistematica e denominada metodo ou algoritmo Simplex e consiste em:
79
80 CAP

ITULO 5. O M

ETODO SIMPLEX
1. Escolher uma soluc ao b asica viavel inicial;
2. Determinar solucoes basicas vi aveis cada vez melhores;
3. Encontrar a soluc ao otima.
Inicialmente vamos considerar para an alise e desenvolvimento do metodo PPls de
maximizac ao cujo modelo original apresente restric oes somente do tipo .
Dado o PPL
max z = c
1
x
1
+ c
2
x
2
+ . . . + c
n
x
n
s.a. :
_

_
a
11
x
1
+ a
12
x
2
+ . . . + a
1n
x
n
b
1
.
.
.
a
r1
x
1
+ a
r2
x
2
+ . . . + a
rn
x
n
b
r
.
.
.
a
m1
x
1
+ a
m2
x
2
+ . . . + a
mn
x
n
b
m
x
j
0 (j = 1, . . . , n)
Acrescentando as variaveis de folga para escrever o PPL na forma padr ao, resulta no
seguinte modelo:
max z = c
1
x
1
+ c
2
x
2
+ . . . + c
n
x
n
s.a. :
_

_
a
11
x
1
+ a
12
x
2
+ . . . + a
1n
x
n
+ x
n+1
= b
1
.
.
.
a
r1
x
1
+ a
r2
x
2
+ . . . + a
rn
x
n
+ x
n+r
= b
r
.
.
.
a
m1
x
1
+ a
m2
x
2
+ . . . + a
mn
x
n
+ x
n+m
= b
m
x
j
0
(j = 1, . . . , n, n + 1 . . . , n + m)
(5.1)
Podemos representar o ultimo modelo em uma tabela com a seguinte conguracao:
81
x
1
x
2
. . . x
n
x
n+1
. . . x
n+r
. . . x
n+m
b
a
11
a
12
. . . a
1n
1 . . . 0 . . . 0 b
1
.
.
.
.
.
.
a
r1
a
r2
. . . a
rn
0 . . . 1 . . . 0 b
r
.
.
.
.
.
.
a
m1
a
m2
. . . a
mn
0 . . . 0 . . . 1 b
m
c
1
c
2
. . . c
n
0 . . . 0 . . . 0 z = f(x)
(5.2)
Considerando que estamos analisando PPl cujas restric oes s ao todas do tipo ,
sabemos que a origem do sistema de coordenadas e um dos vertices da regiao vi avel, logo
naturalmente podemos tomar a seguinte partic ao:
_

_
1 0 . . . 0
0 1 . . . 0
.
.
.
.
.
.
.
.
.
0 0 . . . 1
_

_
_

_
x
n+1
x
n+2
.
.
.
x
n+m
_

_
+
_

_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
a
m1
a
m2
. . . a
mn
_

_
_

_
x
1
x
2
.
.
.
.
.
.
x
n
_

_
=
_

_
b
1
b
2
.
.
.
b
m
_

_
(5.3)
B
mm
x
B
N
mn
x
N
b
Fixando x
N
= 0 obtemos x
B
=
_

_
b
1
.
.
.
b
m
_

_
Desta forma, tomando x
T
=
_
0 0 . . . 0 b
1
b
2
. . . b
m
_
como solucao b asica
vi avel inicial, podemos reescrever a forma tabular (5.2) do PPL, adicionando a informac ao
das vari aveis basicas escolhidas, para obter o quadro simplex inicial:
base x
1
. . . x
r
. . . x
n
x
n+1
. . . x
n+r
. . . x
n+m
b
x
n+1
a
11
a
1r
a
1n
1 0 0 b
1
.
.
.
.
.
.
.
.
.
x
n+r
a
r1
a
rr
a
rn
0 1 0 b
r
.
.
.
.
.
.
.
.
.
x
n+m
a
m1
a
mr
a
mn
0 0 1 b
m
z c
1
c
r
c
n
0 0 0 0
82 CAP

ITULO 5. O M

ETODO SIMPLEX
A primeira coluna do quadro simplex informa quais s ao as variaveis b asicas e a ultima
coluna corresponde aos termos independentes das equacoes de restric ao do problema. A
ultima linha contem os coecientes das vari aveis na func ao objetivo que representam a
contribui cao de cada vari avel para a funcao objetivo z, por unidade, em cada iterac ao do
processo de soluc ao.
Para compor o quadro simplex a func ao objetivo z = c
1
x
1
+c
2
x
2
+. . . +c
n
x
n
necessitou
da seguinte transformac ao:
z = c
1
x
1
+ c
2
x
2
+ . . . + c
n
x
n
+ 0x
n+1
+ . . . + 0x
n+m

z c
1
x
1
c
2
x
2
. . . c
n
x
n
+ 0x
n+1
+ . . . + 0x
n+m
= 0
Para problemas de maximizac ao, a soluc ao inicial claramente n ao e a melhor. Logo,
devemos procurar outra solu cao basica vi avel que retorne maior valor para z. Para isto e
necess ario primeiramente,
Passo 1: Escolher uma variavel n ao-b asica que deve se tornar positiva para compor a base.
Obviamente, conforme j a observado no exemplo 4.6 a vari avel que retorna a maior
contribui cao para a fun cao objetivo devera ser selecionada, isto e, aquela variavel
cuja contribuic ao unit aria expressa na ultima linha do quadro simplex tenha sinal
negativo e maior m odulo.
Escolhida a variavel x
r
que entra na base, nosso problema agora e:
Passo 2: Determinar qual das variaveis b asicas do quadro inicial deve sair base.
Em outras palavras, qual variavel se tornara nula para dar lugar `a nova vari avel
b asica. Para tanto, observemos que todas as variaveis basicas do quadro inicial
podem ser escritas em fun cao somente da vari avel x
r
, visto que
x
1
= x
2
= . . . = x
r1
= x
r+1
= . . . = x
n
= 0
Assim, x
n+i
= b
i
a
ir
x
r
para i = 1, . . . , m
83
Para cada coeciente positivo a
ir
, a raz ao
b
i
a
ir
determina o valor de x
r
que anula a
vari avel b asica x
n+i
, para qualquer i = 1, . . . , n. Seja k o ndice tal que
b
k
a
kr
= min
_
b
i
a
ir
, a
ir
> 0, i = 1, . . . , n
_
Denido desta forma, a variavel b asica x
n+k
se anula, isto e, se torna variavel nao
b asica e todas as outras vari aveis basicas do quadro inicial permanecem positivas.

E importante observar que para PPL com soluc ao nita, sempre existe pelo menos um
coeciente a
ir
> 0 pois, caso contr ario, se a
ir
0 para todo i = 1, . . . , m ent ao f
e o PPL n ao teria soluc ao otima nita.
Observando a partic ao (5.3) constatamos que a matriz B correspondente ` as variaveis
b asicas e exatamente a matriz identidade e deve permanecer assim exceto por rearranjo
de colunas, mesmo com alterac oes na composic ao do vetor das vari aveis basicas.
Passo 3: Aplicar o metodo de Gauss-Jordan para resoluc ao de sistemas lineares.
A redenic ao das variaveis basicas e n ao-b asicas exige um pivoteamento do quadro
simplex para que os coecientes das vari aveis b asicas formem a matriz identidade,
mediante possivelmente remanejamento de colunas, e que a contribui cao individual
para a fun cao objetivo da variavel que entrou na base seja zerada.
O processo de entrada e sada de variaveis da base dever a ser repetido ate que to-
dos os coecientes da ultima linha se tornem nulos ou positivos, pois neste caso n ao h a
mais possibilidade de crescimento da fun cao objetivo e a soluc ao otima (caso exista) foi
encontrada. Sendo assim, ao nal de cada itera cao, deve-se:
Passo 4: Vericar se existe contribuic ao individual para a fun cao objetivo, expressas na ultima
linha do quadro simplex, negativa.
Exemplo 5.1. Resolver pelo metodo Simplex o problema ilustrativo apresentado no
exemplo 4.1, cujo modelo na forma padrao e:
84 CAP

ITULO 5. O M

ETODO SIMPLEX
max z = 40x
1
+ 60x
2
s.a. :
_

_
2x
1
+ x
2
+ x
3
= 70
x
1
+ x
2
+ x
4
= 40
x
1
+ 3x
2
+ x
5
= 90
x
j
0 j = 1, . . . , 5
O quadro simplex inicial e dado a seguir:

x
1
x
2
x
3
x
4
x
5
b
x
3
2 1 1 0 0 70
x
4
1 1 0 1 0 40
x
5
1 3 0 0 1 90
z 40 60 0 0 0 0
Quadro 1
A vari avel que deve entrar na base e x
2
porque a contribuic ao individual de x
2
para
o lucro e maior, no quadro -60 e a contribuic ao negativa com maior m odulo. Para sair
da base devemos escolher x
5
visto que
90
3
= min
_
70
1
,
40
1
,
90
3
_
. Isto e, na divis ao termo a
termo do vetor dos termos independentes b pelo vetor dos coecientes de x
2
o menor valor
obtido foi 30, que corresponde ` a sada da vari avel x
5
da base.
Escalonando por Gauss-Jordan, obtemos:

x
1
x
2
x
3
x
4
x
5
b
x
3
5
3
0 1 0
1
3
40
x
4
2
3
0 0 1
1
3
10
x
2
1
3
1 0 0
1
3
30
z 20 0 0 0 20 1800
Quadro 2
85
De acordo com o quadro 2, a vari avel x
1
entra na base pois ha somente a contribui cao
desta vari avel com sinal negativo na ultima linha. A vari avel x
4
sai da base pois
10
2
3
= min
_
40
5
3
,
10
2
3
,
30
1
3
_
= min{24, 15, 90}
Assim, apos escalonamento temos:
x
1
x
2
x
3
x
4
x
5
b
x
3
0 0 1
5
2
1
2
15
x
1
1 0 0
3
2
1
2
15
x
2
0 1 0
1
2
1
2
25
z 0 0 0 30 10 2100
Quadro 3
O fato de nao haver contribuic ao com sinal negativo no quadro simplex garante que a
soluc ao b asica viavel no quadro 3 e otima. Portanto a solu cao do problema e fabricar 15
unidades do produto P
1
e 25 unidades de P
2
para obter um lucro m aximo de $ 2.100,00,
sendo que h a uma folga na operacao da maquina M
1
de 15 horas.
De acordo com o que estudamos do metodo simplex, o modelo de programa cao linear
pode ser resolvido por um metodo de resolu cao de sistemas lineares e a programacao linear
pode ser vista como um aprimoramento do Metodo de Gauss-Jordan para resoluc ao de
sistemas lineares, incorporando uma equa cao adicional que representa o comportamento
que deve ser otimizado e utilizando um sistematica para troca de vari aveis basicas e n ao
b asica.
Roteiro
Passo 1: Introduzir as vari aveis de folga; uma para cada desigualdade.
Passo 2: Montar um quadro para os calculos, colocando os coecientes de todas as vari aveis
com os respectivos sinais e, na ultima linha, incluir os coecientes da funcao objetivo
transformada.
86 CAP

ITULO 5. O M

ETODO SIMPLEX
Passo 3: Estabelecer uma soluc ao b asica inicial, usualmente atribuindo valor zero ` as variaveis
originais e achando valores positivos para as vari aveis de folga.
Passo 4: Como proxima vari avel a entrar na base, escolher a vari avel nao basica que oferece,
na ultima linha, a maior contribuicao para o aumento da func ao objetivo (ou seja,
tem o maior valor negativo). Se todas as vari aveis que estao fora da base tiverem
coecientes nulos ou positivos nesta linha, a soluc ao atual e otima. Se alguma dessas
vari aveis tiver coeciente nulo, isto signica que ela pode ser introduzida na base
sem aumentar o valor da func ao objetivo. Isso quer dizer que temos uma soluc ao
otima, com o mesmo valor da func ao objetivo.
Passo 5: Para escolher a vari avel que deve deixar a base, deve-se realizar o seguinte procedi-
mento:
a) Dividir os elementos da ultima coluna pelos correspondentes elementos positi-
vos da coluna da vari avel que vai entrar na base, caso nao haja elemento algum
positivo nesta coluna, o processo deve parar, j a que a solucao seria ilimitada.
b) O menor quociente indica a equac ao cuja respectiva vari avel basica devera ser
anulada, tornando-se vari avel nao-b asica.
Passo 6: Usando operac oes elementares com as linhas da matriz (soma e multiplicacao por
um escalar nao-nulo), transformar o quadro de c alculos de forma a encontrar a
nova soluc ao b asica. A coluna da nova vari avel basica devera se tornar um vetor
identidade, onde o elemento 1 aparece na linha correspondente ` a vari avel que esta
sendo anulada.
Passo 7: Se ainda houver elementos negativos na linha da fun cao objetivo, retornar ao passo
4 para iniciar outra iterac ao.

Exemplo 5.2. Considere o PPL do exemplo 3.3 resolvido gracamente no exemplo
3.4, cujo modelo e:
87
max z = 6, 5x
1
+ 10x
2
(Lucro Total)
s.a. :
_

_
x
1
+ x
2
25 (restric ao de c amera de ar)
25x
1
+ 9x
2
480 (restric ao de operac ao de costura)
6x
1
+ 11x
2
240 (restric ao de operac oes de nalizac ao)
x
1
, x
2
0 (restricao de nao-negatividade)
Para determinar a soluc ao do PPL por sistemas de equacoes lineares e preciso primeiro
transformar o sistema de inequa coes lineares que representam as restric oes do problema
em um sistema equivalente de equac oes lineares. Para isto, sera preciso introduzir novas
vari aveis no problema, denominadas variaveis de folga.
Neste exemplo, as restric oes tem a seguinte estrutura l ogica:
utilizac ao de recursos disponibilidade
Introduzindo o conceito de variavel de folga de recurso, a inequac ao pode ser reescrita
como:
utilizac ao de recursos + folga = disponibilidade
A folga correspondente a cada recurso pode ser representada por uma vari avel de modo
a transformar cada inequacao do PPL em uma equa cao linear. Sejam
x
3
: folga de c ameras de ar;
x
4
: folga de operac oes de costura;
x
5
: folga de operac oes de nalizac ao.
Introduzindo as vari aveis de folga e trocando os termos de lado na equac ao referente
` a fun cao objetivo, obtemos o modelo do PPL a ser resolvido e:
88 CAP

ITULO 5. O M

ETODO SIMPLEX
max z 6, 5x
1
10x
2
= 0
s.a. :
_

_
x
1
+ x
2
+ x
3
= 25
25x
1
+ 9x
2
+ x
4
= 480
6x
1
+ 11x
2
+ x
5
= 240
x
j
0 j = 1, 2, 3, 4, 5
Desta forma, o problema consiste em encontrar a soluc ao de um sistema de equacoes
lineares que maximize o lucro. Para montar o quadro simplex inicial, e necess ario es-
tabelecer uma solucao inicial para o problema, que ser a sempre obtida, para problemas
nesta conguracao, fazendo as vari aveis originais do modelo iguais a zero. Assim, fazendo
x
1
= x
2
= 0 (vari aveis n ao-b asicas) e tomando as variaveis de folga x
3
, x
4
e x
5
como
vari aveis b asicas, obtemos do Quadro 1:
x
1
x
2
x
3
x
4
x
5
b
x
3
1 1 1 0 0 25
x
4
25 9 0 1 0 480
x
5
6 11 0 0 1 240
z 6, 5 10 0 0 0 0
Quadro 1
Onde a primeira coluna corresponde ` as vari aveis basicas, a ultima coluna corresponde
aos termos independentes das equac oes, e a ultima linha contem os coecientes das
vari aveis na fun cao objetivo. Nessa ultima linha teremos sempre a contribuicao que cada
vari avel d a para o lucro total z, por unidade, em cada itera cao do processo de soluc ao.
Como a primeira soluc ao claramente nao e a melhor, vamos procurar outra que de um
valor maior para z. O problema e descobrir:
Das duas variaveis n ao-b asicas (nulas) na primeira soluc ao, qual deve se tornar
positiva?
Observando que na ultima linha do Quadro 1 temos os coecientes da func ao objetivo
que mostram a contribuic ao para o lucro z de cada unidade produzida de bola
89
Catechumbo (x
1
) e de bola Voleitok (x
2
). Assim, aplicando o criterio de que devemos
produzir primeiro o produto que mais contribui para o lucro, vamos come car a
produc ao pela variavel x
2
, j a que sua contribuic ao unitaria para o lucro e maior que
a contribuic ao de x
2
. Logo, a variavel que dever a entrar na base e x
2
.
Das tres variaveis basicas (positivas) na primeira solu cao, qual dever a ser anulada?
Nota-se pelo Quadro 1 que, na primeira equacao, o maior valor possvel de x
2
e 25,
quando x
3
= 0 pois x
1
= 0 por ser vari avel nao-b asica. Qualquer valor maior para
x
2
far a com que o valor de x
3
que negativo, o que n ao e permitido. Na segunda
equac ao, o maior valor permitido para x
2
e 53, 33, quando x
4
= 0. Finalmente, na
terceira equac ao o maior valor permitido para x
2
e 21, 82, quando x
5
= 0.
Analisando simultaneamente todas as equa coes, percebe-se que o maior valor possvel
para x
2
e 21, 82, j a que atende ` as tres equac oes. Observe que esta analise pode ser
feita diretamente do Quadro 1, atraves da divisao dos elementos da coluna b pelos
correspondentes elementos da coluna x
2
. O menor quociente indica, pela linha em
que ocorreu, qual a vari avel basica que deve ser anulada.
Assim, como o menor quociente e dado pela divis ao
240
11
, a vari avel que devera sair
da base e x
5
.
Portanto, x
1
= 0 e x
5
= 0 s ao as novas vari aveis n ao-basicas e o sistema deve ser
resolvido para encontrar os valores x
3
, x
4
e x
2
. A soluc ao desse sistema ser a feita usando
o Quadro 1 com as equac oes completas e usando as operac oes elementares de multiplicacao
de uma linha por um escalar n ao nulo e soma de linhas da matriz.
x
1
x
2
x
3
x
4
x
5
b
x
3
0, 4546 0 1 0 0, 09091 3, 18
x
4
20, 09 0 0 1 0, 8182 283, 6
x
2
0, 5454 1 0 0 0, 09091 21, 82
z 1, 046 0 0 0 0, 9091 218, 2
Quadro 2
90 CAP

ITULO 5. O M

ETODO SIMPLEX
O processo de entrada e sada de vari aveis da base dever a ser repetido ate que todos
os coeciente da linha 4 se tornem nulos ou positivos.
falta fazer quadro 3
x
1
x
2
x
3
x
4
x
5
b
x
3
0, 4546 0 1 0 0, 09091 3, 18
x
4
20, 09 0 0 1 0, 8182 283, 6
x
2
0, 5454 1 0 0 0, 09091 21, 82
z 1, 046 0 0 0 0, 9091 218, 2
Quadro 2
5.1. FLUXOGRAMA PARA SOLUC

OES FINITAS 91
5.1 Fluxograma para soluc oes nitas
5.2 Analise de Sensibilidade
5.3 Lista de Problemas
Lista de Exerc

cios 5.1. Resolver os modelos em PL, usando o metodo Simplex:


1. Um fabricante de fantasias tem em estoque 32m de brim, 22m de seda e 30m de
cetim e pretende fabricar dois modelos de fantasias. O primeiro modelo consome
4m de brim, 2m de seda e 2m de cetim. O segundo modelo consome 2m de brim,
4m de seda e 6m de cetim. Se o primeiro modelo e vendido a 6.000u.m. e o segundo
92 CAP

ITULO 5. O M

ETODO SIMPLEX
modelo a 10.000u.m., quantas pe cas de cada tipo o fabricante deve fazer para obter
a receita m axima?
2. Um dono de loja estoca dois tipos de leite, semidesnatado e integral, e est a tentando
decidir quantos de cada um encomendar. Ele precisa encomendar o leite para entrega
com um dia de antecedencia. Sabe que vender a pelo menos 75 litros em um so
dia, e entao n ao encomendar a menos do que essa quantidade. Seu contrato com
o fornecedor diz que deve comprar pelo menos 30 litros de semidesnatado, e n ao
possui espa co no refrigerador para mais de 100 litros ao todo. Se o dono da loja
obtem 15 centavos de lucro com um litro de leite semidesnatado e 17 centavos de
lucro cm um litro de leite integral, o que deve fazer para maximizar seu lucro?
3. A Gutchi Company fabrica carteiras, estojos de barbear e mochilas. A produ cao das
pecas utiliza couro e materiais sinteticos, sendo o couro a materia-prima que limita
a produc ao. O processo de producao requer dois tipos de mao-de-obra especializada:
costura e acabamento. A Tabela da a disponibilidade dos recurso, sua utiliza cao
nos tres produtos e os lucros por unidade.
Recursos necessarios por unidade
Recurso Carteira Estojo de barbear Mochila Disponibilidade di aria
Couro(pes
2
) 2 1 3 42
Costura(h) 2 1 2 40
Acabamento(h) 1 0,5 1 45
Preco de Venda($) 24 22 45
(a) Formule a quest ao como um problema de programac ao linear e ache a soluc ao
otima.
(b) De acordo com a soluc ao otima, determine o status de cada recurso.
4. Uma fabrica textil labora em 3 turnos: das 7 ` as 15 horas; das 15 `as 23 horas; das
23 `as 7 horas. Em cada turno necessita de modelistas, costureiras e embaladoras
que auferem por hora de trabalho, respectivamente 23,00, 19,00 e 7,50 u.m. As
5.3. LISTA DE PROBLEMAS 93
modelistas e costureiras auferem um adicional de 2,00 u.m./hora quando trabalham
no ultimo dos turnos indicados sendo o sal ario das embaladoras, neste turno, de
8,50 u.m./h.
As necessidades da producao exigem, em cada turno, 1 hora de modelista por cada
3 horas de costureira n ao podendo haver mais do que um total de 200 horas de em-
baladora em cada turno. Pretende-se que o total de horas de trabalho de modelista
e costureira seja no mnimo de 400 horas no turno da manha, 376 horas no turno
da tarde e 270 horas no turno da noite. Em cada turno deve haver o mnimo de 600
horas de trabalho.
5. Um banco decidiu ter os seus balcoes abertos ao p ublico das 08 horas `as 20 horas
pelo que necessita planejar novos horarios de servico para os seus funcion arios. Para
tal decidiu dividir o dia de trabalho em 6 perodos de 2 horas e xar para cada um
destes perodos o seguinte n umero mnimo de funcionarios:
8-10h 10-12h 12-14h 14-16h 16-18h 18-20h
n
o
. mnimo de
funcion arios 6 10 12 11 5 4
Os funcion arios trabalham diariamente 6 horas consecutivas, podendo a empresa
xar a hora de entrada ao servico. Apresentar o modelo de PL que minimiza o
n umero total de empregados necessarios diariamente.
6. Um distribuidor de produtos para festas infantis compra dos produtores chapeus de
papel, lnguas-de-sogra e bexigas, e prepara caixas com esses tres produtos na forma
de kits para festas. Observa coes anteriores mostram que:
a. A quantidade de chapeus e lnguas-de-sogra deve ser pelo menos 50% do total.
b. O pacote deve ter pelo menos 20 bexigas.
c. Cada item deve concorrer com pelo menos 25% do total da caixa.
94 CAP

ITULO 5. O M

ETODO SIMPLEX
O custo dos componentes (em milhares de unidades) e:
Chapeu de papel: 50.000
Lngua-de-sogra: 20.000
Bexiga: 5.000
Qual a composic ao da caixa que tem o menor custo?
7. Uma empresa qumica opera uma pequena usina. Operar a usina exige duas materias-
primas, A e B. O fornecimento maximo disponvel por semana e 2.700 litros de A e
2.000 litros de B. A usina pode operar usando um dos dois processos, que possuem
diferentes exigencias de materia-prima, como demonstrado a seguir:
Materias-primas consumidas
(litros por hora)
Processo A B
1 20 10
2 30 25
A usina pode funcionar por um total de 120 horas por semana mas, por motivo de
seguranca, o Processo 1 n ao pode ser operado por mais de 100 horas por semana.
Quantas horas cada processo deve funcionar?
8. Uma pequena padaria local recebeu um pedido para fornecer dois tipos de p ao:
sabor queijo e p aozinho de semente de papoula, para um servico de entrega de
sanduches. Eles receberao 5 centavos por cada p aozinho e 8 centavos por cada p ao
sabor queijo que fornecerem. Inicialmente a empresa de entrega de sanduches est a
feliz em comprar quanto a padaria conseguir produzir desses dois tipos de p ao. A
padaria ja possui encomendas semanais de 100 kg de farinha e 1 kg de fermento, e
gostaria de ser capaz de cumprir seu novo contrato sem aumentar essas quantidades.
Cada p aozinho utiliza 30g de farinha e e 0,5g de fermento, enquanto cada p ao sabor
queijo utiliza 125g de farinha e 1g de fermento. O acordo diz que eles devem fornecer
pelo menos 1.000 paes de semente de papoula e entre 300 e 500 p aes sabor queijo
por semana.
5.3. LISTA DE PROBLEMAS 95
(a) Quantos p aes de cada tipo a padaria deve ter com objetivo fornecer a cada
semana para maximizar seu lucro?
(b) Se a padaria desejasse reduzir sua encomenda de farinha, poderia faze-lo?
Meses depois, a padaria decidiu expandir sua variedade de produtos, e agora pro-
duzir a um segundo tipo de p ao (tomate seco), que necessita de 140g de farinha,
1,2g de fermento e contribui com um lucro de 10 centavos por unidade. Ela mudou
seus pedidos para atender a crescente demanda e agora recebe entregas de 250kg de
farinha e 3kg de fermento. Os pedidos existentes signicam que ele deve produzir
pelo menos 1.500 paezinhos e 800 bisnagas por semana. Que quantidade de cada
produto a padaria deve produzir e vender para maximizar seu lucro? Ela pode
reduzir a quantidade de fermento encomendada?
96 CAP

ITULO 5. O M

ETODO SIMPLEX
5.4 Lista de Problemas
1. O quadro a seguir mostra o processo de resolucao de um PPL . A partir dos dados
fornecidos, responda ` as seguintes questoes:
BASE X
1
X
2
X
3
Y
1
Y
2
B
1
2
1
3
2
5
2
0
9
2
(Recurso A)
2 0 1 1 1 6 (Recurso B)
L
1
2
0
3
2
3
2
0
27
2
(a) Complete o quadro indicando as variaveis que estao na base.
(b) Escreva a soluc ao que o quadro indica. A soluc ao obtida nessa etapa e otima?
2. Uma empresa fabricante de m oveis de copa trabalha com tres modelos principais de
conjuntos aos quais denomina MXA, MXB e MXC (x
1
, x
2
e x
3
, respectivamente),
cuja produ cao semanal deseja programar. As margens unit arias de lucro dos mode-
los s ao respectivamente, $20, $8 e $ 3. Os tres conjuntos utilizam as tres principais
sec oes da fabrica, que chamaremos Sec ao 1, Sec ao 2 e Se cao 3, conforme os coe-
cientes unit arios de utilizac ao mostrados no modelo de programa cao linear abaixo.
As sec oes disp oem das seguintes capacidades semanais de trabalho, respectivamente:
240 homens-horas (H.h), 320 H.h e 480 H.h. O modelo de programac ao linear uti-
lizado pelo setor de planejamento da empresa para a programac ao da produc ao da
pr oxima semana e o seguinte:
Achar x
1
, x
2
e x
3
de modo a
Maximizar lucro = 20x
1
+ 8x
2
+ 3x
3
respeitando as restricoes:
4x
1
+ 1x
3
240 (Sec ao 1)
4x
1
+ 2x
2
+ 2x
3
320 (Sec ao 2)
3x
1
+ 4x
2
480 (Sec ao 3)
O quadro a seguir mostra os resultados do processo de solu cao do Metodo Simplex.
5.4. LISTA DE PROBLEMAS 97
BASE X
1
X
2
X
3
Y
1
Y
2
Y
3
B
1 0
1
4
1
4
0 0 60
0 1
1
2

1
4
1
2
0 40
0 0
11
4
5
4
2 1 140
LUCRO 0 0 6 1 4 0 1520
Pede-se:
(a) Na solucao otima do problema, identique as utilidades marginais das tres
sec oes utilizadas no processo de produc ao da empresa.
(b) Caso a Sec ao 1 tenha sua disponibilidade alterada para 200 H.h, quais os novos
valores das producoes otimas dos conjuntos MXA e MXB?
(c) Caos a empresa possa acrescentar mais 60 H.h a alguma sec ao, qual devera ser
a secao escolhida? Por que?
(d) Na hipotese anterior, quais os novos valores das producoes otimas e quais as
novas utiliza coes dos recursos?
3. Uma empresa produz dois produtos A e B. As receitas unitarias sao $ 2 e $ 3,
respectivamente. A disponibilidade das duas materias-primas (M
1
e M
2
) usadas na
fabricac ao dos produtos e de 8 e 18 unidades. Uma unidade de A usa duas unidades
de M
1
e duas unidades de M
2
, e uma unidade de B usa tres unidades de M
1
e seis
unidades de M
2
.
(a) Determine as faixas de viabilidade de cada restri cao.
(b) Suponha que quatro unidades adicionais de M
1
podem ser adquiridas ao custo
de 30 centavos por unidade. Voce recomendaria essa compra adicional?
(c) Qual e o valor m aximo que a empresa pode pagar por unidade de M
1
?
(d) Determine a receita otima se a disponibilidade de M
2
for aumentada em cinco
unidades.
(e) Determine as faixas de otimalidade para as receitas unitarias considerando que
as alterac oes s ao feitas uma por vez.
98 CAP

ITULO 5. O M

ETODO SIMPLEX
(f) Como ca a soluc ao otima se a receita unit aria do produto A passar a ser $ 5?
E se a receita unitaria do produto B passar a ser $ 4?
4. Uma pequena empresa produz posteres de bandas de Rock. Ela fabrica quatro tipos
de posteres, que diferem em tamanho e nas cores utilizadas. A empresa conseguiu
uma impressora para produzir os posteres e estabeleceu um limite mnimo de 1000
p osteres para produc ao. Cada poster deve ser impresso, cortado e dobrado. O
tempo (em minutos) para fazer isso para os quatro tipos de posteres e de:
Tipo de Poster Impressao Corte Dobragem
A 1 2 3
B 2 4 2
C 3 1 5
D 3 3 3
Disponvel 15000 20000 20000
(a) Quais as quantidades otimas produzidas e o lucro projetado?
(b) Quanto a empresa est a disposta a pagar por tempo extra de impress ao, de
corte e de dobragem?
(c) Suponha que reduzssemos o limite mnimo de produc ao de 1000 em um dos
itens para 900. Qual p oster deveria ter sua produc ao diminuda, e qual seria o
lucro adicional da empresa?
5. A Distribuidora de Bebidas Desce Redondo deseja programar suas vendas para o
mes de janeiro, de acordo com as cotas por produtos determinadas pela empresa
produtora Ambe, fabricante de diferentes marcas de cerveja. Neste perodo, a Desce
Redondo consegue vender quaisquer quantidades de produto entregues pela Ambe,
tendo uma margem de lucro de 12% sobre sua receita. A Ambe autorizou um pedido
de 150.000 caixas com 24 garrafas cada, de diversos produtos, podendo a Desce
5.4. LISTA DE PROBLEMAS 99
Redondo determinar dentro de certos limites impostos pela fabrica que quantidade
deseja receber de cada cerveja. A tabela abaixo discrimina os lucros unit arios por
caixa dos produtos e limites de cotas impostos pela fabrica.
Cerveja Capacidade Preco de venda Max (%) Min(%)
Recipiente (ml) por caixa (R$)
Ant artida 600 55,00 60 55
Ant artida 350 37,50 40 35
Boemia Regressa 600 60,00 3,0 1,0
Mudweiser 350 40,50 1,5 0,5
Malebier 350 34,00 1,5 1,0
Bama Chopp 350 40,50 1,7 0,5
Lambati 350 44,30 5,0 2,0
Desce Redondo 600 44,30 3,0 0,5
Pede-se
(a) Quais s ao as quantias otimas a serem solicitadas? Qual o lucro total?
(b) Se voce pudesse aumentar seu pedido em 50 caixas, que cerveja solicitaria?
6. Considere o PPL
max z = 5x
1
+ 5x
2
+ 13x
3
s.a. :
_

_
x
1
+ x
2
+ 3x
3
20
12x
1
+ 4x
2
+ 10x
3
+ 2x
4
90
x
1
, x
2
, x
3
0
bem como o seu quadro Simplex otimo
x
1
x
2
x
3
x
4
x
5
x
2
-1 1 3 1 0 20
x
5
16 0 -2 -4 1 10
z 0 0 -2 -5 0 -100
100 CAP

ITULO 5. O M

ETODO SIMPLEX
Resolva as seguintes questoes:
(a) Qual a nova solucao otima se alterarmos o vetor b de (20 90)
T
para (10 100)
T
?
(b) Qual a nova soluc ao otima se alterarmos o custo c
3
da vari avel x
3
de 13 para
8?
(c) Qual a nova soluc ao otima se alterarmos os coecientes de x
2
nas restric oes de
(1 4)
T
para (2 5)
T
?
(d) Qual a nova solu cao otima se introduzirmos no PPL original uma nova variavel
x
6
com coecientes a
6
= (3 5)
T
e c
6
= 10?
(e) Qual a nova solu cao otima se introduzirmos uma nova restric ao no PPL origi-
nal: 2x
1
+ 3x
2
+ 5x
3
50?
7. A Electra produz quatro tipos de motores eletricos, cada um em uma linha de
montagem separada. As capacidades respectivas das linha s ao 500, 500, 800 e 750
motores por dia. O motor do tipo 1 usa oito unidades de um certo componente
eletr onico, o motor do tipo 2 usa cinco unidades, o motor do tipo 3 usa quatro
unidades e o motor do tipo 4 usa seis unidades. O fabricante do componente pode
fornecer 8.000 pecas por dia. Os precos dos componentes para os respectivos tipos
de motor s ao $ 60, $ 40, $ 25 e $ 30 por motor.
(a) Determine o mix otimo de produ cao di aria.
(b) A atual programac ao de produc ao atende `as necessidades da Electra. Con-
tudo, devido ` a concorrencia, pode ser que a empresa precise reduzir o preco do
motor do tipo 2. Qual e a maior reduc ao que pode ser efetuada sem alterar a
programac ao de produc ao atual?
(c) A Electra decidiu reduzir em 25% o preco de todos os tipos de motores. Use
a analise de sensibilidade para determinar se a soluc ao otima permanecer a
inalterada.
(d) Atualmente, o motor do tipo 4 n ao e produzido. De quanto deveria ser o
aumento no preco desse motor para ser includo na programac ao de produc ao?
5.4. LISTA DE PROBLEMAS 101
8. Um fazendeiro dispoe de 100 hectares de terra e um total de mao-de-obra anual
disponvel correspondente a 10 000 homens/hora. O fazendeiro tem a opcao de
plantar trigo, soja ou milho. O gasto anual de mao-de-obra por hectare para cada
uma destas culturas e respectivamente h
1
, h
2
e h
3
homens/hora. O lucro por hectare
para trigo, soja e milho e respectivamente 10, 8 e i unidades monetarias. O lho
do fazendeiro, Pedro, que estuda P.O., montou ent ao o seguinte modelo, que visa
maximizar o lucro da fazenda:
max z = 10x
1
+ 8x
2
+ x
3
s.a. :
_

_
x
1
+ x
2
+ x
3
100
h
1
x
1
+ h
2
x
2
+ h
3
x
3
10000
x
1
, x
2
, x
3
0
onde x
1
, x
2
e x
3
representam a quantidade de terra por hectare a ser plantada
respectivamente com o trigo, soja e milho. Em seguida, Pedro pediu ao pai para
especicar os valores de h
1
, h
2
e h
3
, com o auxlio do Simplex determinou a solucao
otima atraves do seguinte quadro:
x
1
x
2
x
3
x
4
x
5
1 1 1 1 0 100
0 -2 -2 -5 1 9500
0 2 9 10 0
Visando prevenir-se contra possveis mudancas na fazenda, estude os seguintes casos
(os casos n ao podem ocorrer simultaneamente):
(a) Uma ind ustria se instala nas proximidades da fazenda e absorve toda a mao-
de-obra da regi ao. O fazendeiro ca restrito ao caseiro, que n ao pode dispor
de mais de 300 horas por ano. O plano de produc ao da fazenda seria alterado?
Como? Caracterize a nova soluc ao.
(b) Por uma quest ao de seguranca (mudanca de precos do trigo), o fazendeiro
decide plantar no maximo 50 hectares de trigo. Qual seria a nova solucao
102 CAP

ITULO 5. O M

ETODO SIMPLEX
otima?
(c) Determine o valor das vari aveis do dual para tres solucoes obtidas (a dada
no enunciado e mais as obtidas em (a) e (b)). Interprete o signicado dessas
vari aveis para as tres solucoes caracterizando as alteracoes sofridas.