Oaep V10

Prof.
J oo Antnio de Vasconcelos - Departamento deEngenharia Eltrica -UFMG (1)

Universidade Federal de Minas Gerais

Programa de Ps-Graduao em Engenharia Eltrica

Curso de Especializao em Automao Industrial

Otimizao Aplicada Engenharia de Processos

Prof. Joo Antnio de Vasconcelos

Prof. J oo Antnio de Vasconcelos - Departamento deEngenharia Eltrica -UFMG (2)

Programao Linear

1) Problemas de Programao Matemtica como Problemas de Otimizao

O que so Problemas de Otimizao?
Os problemas de Otimizao so problemas de maximizao ou minimizao de funes de
variveis, num determinado domnio, normalmente definido por um conjunto de restries nas
variveis.

O que so problemas de programao matemtica?
Os problemas de Programao Matemtica so uma classe particular de Problemas de
Otimizao, aplicados nos campos da organizao e da gesto econmica, em que o objetivo
e as restries so dadas como funes matemticas e relaes funcionais.

A terminologia Programao Matemtica tem sua origem na relao:
Programao planejamento de atividades.
Matemtica o problema representado por um modelo matemtico composto de
funes objetivo(s) e restries dependentes das variveis de deciso.

O problema representado matematicamente pelo modelo:


{ }
{ }
{ }
R x ...., , x , x
b , , ) x ...., , x , x ( g
b , , ) x ...., , x , x ( g
b , , ) x ...., , x , x ( g : a sujeito
) imize (max
) x ...., , x , x ( f Minimize
n 2 1
m n 2 1 m
2 n 2 1 2
1 n 2 1 1
n 2 1
e
> = s
> = s
> = s

(1)
em que
n 2 1
x , , x , x so as n variveis de deciso, ) x , , x , x f(
n 2 1
a funo objetivo,

) x , , x , x ( g
n 2 1 i
, para i = 1, 2, ..., m

so as m

restries do problema.

Os problemas de Programao Matemtica podem ser classificados em lineares, se f (x
1
, x
2
,
, x
n
) , g
i
(x
1
, x
2
, , x
n
), para i = 1, 2, ..., m so funes lineares e em no-lineares, se alguma
das relaes f (x
1
, x
2
, , x
n
) ou g
i
(x
1
, x
2
, , x
n
), para i = 1, 2, ..., m for uma funo no-linear.


Os problemas de Programao Matemtica como Problemas de Otimizao abrangem a
anlise e estudo de sistemas de forma a determinar o programa de ao mais adequado ao
alcance de certo objetivo, tendo em conta as restries que limitam o seu comportamento.

2) Problemas de Programao Linear como classe particular dos problemas de
Programao Matemtica Definies bsicas
Os problemas de Programao Linear so uma classe particular de problemas de
Programao Matemtica, onde a funo objetivo e as restries so representadas por
funes lineares.
A terminologia Programao Linear tem sua origem na relao:

Programao planejamento de atividades.
Linear o problema representado matematicamente pelo modelo em que todas as
funes f (x
1
,

x
2
, , x
n
) , g
i
(x
1
,

x
2
, , x
n
), so lineares.

Os problemas de Programao Linear determinam o planejamento timo de atividades, ou
seja, um plano timo que representa a melhor soluo entre todas as solues possveis.

Um problema de programao linear corresponde a uma programao matemtica na qual a
funo objetivo linear e as restries consistem de igualdades e/ou desigualdades lineares.
A forma exata dessas restries pode diferenciar de um problema para outro, mas, de uma
forma geral, a programao linear pode se transformar na seguinte forma padro:


0 x , , x , x
b x a + + x a + x a
b x a + + x a + x a
b x a + + x a + x a : a sujeito
x c + + x c + x c = z Minimize
n 2 1
m n n m 2 m2 1 m1
2 n 2n 2 22 1 21
1 n 1n 2 12 1 11
n n 2 2 1 1
>
=
=
=
(2)

onde c
1
x
1
+ c
2
x
2
+ + c
n
x
n
a funo objetivo a ser minimizada e ser referida pela letra

z.
Os coeficientes c
1
, c
2
, , c
n
so coeficientes de custo conhecidos e x
1
, x
2
, , x
n
so as
variveis de deciso cujos valores devem ser determinados.

A igualdade
i
n
1 j
j ij
b x a =
=
designa a i-sima restrio. Os coeficientes a
ij
, para i=1, 2, ... , m,
j=1, 2, ... ,n so chamados de coeficientes tecnolgicos. Estes coeficientes formam a matriz de
restrio A.


(
(
(
(
=
mn 2 m m
n 2 2 21
n 1 12 11
a a a
a a a
a a a
A
(3)

O vetor coluna, cujo i-simo elemento b
i
, referido como vetor do lado direito, vetor
independente, que representa as exigncias mnimas a serem satisfeitas.

As restries x
1,
x
2,,
x
n
> 0 so as restries de no-negatividade. Um conjunto de variveis x
1,
x
2,,
x
n
satisfazendo todas as restries chamado de ponto vivel, ponto factvel ou
ponto realizvel.

O conjunto de todos os pontos viveis constitui a regio realizvel ou espao vivel.

Usando essa terminologia, o problema de programao linear pode ser estabelecido como
segue: dentre todos os pontos viveis, encontre um que minimize (ou maximize) a funo
objetivo.

Exemplo1: Considere o problema seguinte:


0 x , x
18 - 2x - -x
6 x + x : a sujeito
x 5 + 2x = z Minimize
2 1
2 1
2 1
2 1
>
>
>
(4)

Neste caso, temos duas variveis de deciso x
1
e x
2
. A funo objetivo a ser minimizada 2
x
1
+ 5x
2
. As restries e a regio vivel so ilustradas na figura a seguir.


Fig. 1 Regio vivel e restries Exemplo 1.

O problema de otimizao dessa maneira o problema de encontrar um ponto na regio
vivel com o menor valor da funo objetivo.

Suposies da Programao Linear
Para representar um problema de otimizao como um problema de programao linear,
vrias suposies implcitas formulao da programao linear discutida anteriormente so
necessrias. Estas suposies so:
[0 9]
T

[18 0]
T
[6 0]
T

[0 6]
T

0
0]
T

X
2
0
X
1
0
Regio
Vivel
2 1


1. Proporcionalidade: Dada uma varivel
j
x , sua contribuio para formar o custo c
j
x
j
e
sua contribuio para a i-sima restrio
j ij
x a . Isto significa que se
j
x aumentado de
duas vezes, tambm o a sua contribuio para o custo e para cada uma das restries.
2. Aditividade: Esta suposio garante que o custo total a soma dos custos individuais, e
que a contribuio total i-sima restrio a soma das contribuies individuais das
atividades individuais. Em outras palavras, no h substituio ou efeitos de interao
entre atividades.
3. Divisibilidade: Esta suposio assegura que as variveis de deciso podem ser
divididas em qualquer nvel fracionrio. Isto , elas podem assumir valores no-inteiros.
4. Determinstico: Os coeficientes
j
c ,
ij
a e
j
b so todos conhecidos deterministicamente.
Qualquer elemento probabilstico, estocstico, inerente demanda, aos custos, preos,
disponibilidade de recursos, e assim por diante, so todos assumidos serem
aproximados por um destes coeficientes atravs de algum procedimento determinstico.

Manipulao do Problema
Quando as restries de um modelo de Programao Linear so apresentadas na forma de
inequaes, diz-se que esse modelo est na forma cannica. Abaixo se encontram alguns
mtodos de converso forma cannica forma padro.

1 Caso: Introduo de variveis de folga
Considere o problema formulado na forma cannica abaixo:


0 x , , x , x
b x a + + x a + x a
b x a + + x a + x a
x c + + x c + x c = z Maximize
n 2 1
m n n m 2 m2 1 m1
2 n 2n 2 22 1 21
1 n 1n 2 12 1 11
n n 2 2 1 1
>
s
s
s
(5)

Nesse caso, o conjunto de restries determinado inteiramente pelas desigualdades
lineares. Mediante operaes, possvel transformar o problema acima para a forma padro.


0 x ..., , x , , x , x
b x x a + + x a + x a
b x x a + + x a + x a
b x x a + + x a + x a : a sujeito
m n n 2 1
m m n n n m 2 m2 1 m1
2 2 n n 2n 2 22 1 21
1 1 n n 1n 2 12 1 11
n n 2 2 1 1
>
= +
= +
= +
+
+
+
+
(6)

As novas variveis positivas
m n 2 n 1 n
x ,...., x , x
+ + +
introduzidas para converter as
desigualdades em igualdades so chamadas de variveis de folga. O novo problema com n +
m incgnitas se encontra na forma padro. A matriz m x (m + n) que agora descreve as
restries de igualdade lineares da forma especial [A, I] (ou seja, as colunas podem ser
separadas em dois conjuntos; as primeiras n colunas se originam da matriz original A, e as
ltimas m colunas se originam de uma matriz identidade (m x m).

2 caso: Variveis Surplus (Excesso)
Considere o problema formulado na forma cannica abaixo:


0 x , , x , x
b x a + + x a + x a
b x a + + x a + x a
n 2 1
m n n m 2 m2 1 m1
2 n 2n 2 22 1 21
1 n 1n 2 12 1 11
n n 2 2 1 1
>
>
>
>
(7)

Essa forma equivalente a:


0 x ..., , x , , x , x
b x x a + + x a + x a
b x x a + + x a + x a
b x x a + + x a + x a : a sujeito
m n n 2 1
m m n n n m 2 m2 1 m1
2 2 n n 2n 2 22 1 21
1 1 n n 1n 2 12 1 11
n n 2 2 1 1
>
=
=
=
+
+
+
+
(8)

3 Caso: Variveis Livres

Se um problema de programao linear dado na forma padro exceto que uma ou mais
variveis desconhecidas no so restringidas pela condio de no-negatividade, o problema
poder ser transformado na forma padro utilizando-se duas tcnicas. Para mostrarmos isto,
considere o problema:


0 x ,..., x , x , , x , x
b x a + + x a + x a
b x a + + x a + x a
n 1 j -1 j 2 1
m n n m 2 m2 1 m1
2 n 2n 2 22 1 21
1 n 1n 2 12 1 11
n n 2 2 1 1
>
=
=
=
+
(9)

1) Suponha que no problema anterior, a restrio x
j
> 0 no esteja presente. Dessa forma,
pode-se escrever:
j j j
x x x ' ' ' =
(10)

em que se requer x
j
> 0 e x
j
> 0. Se ns substituirmos x
j
por
j j
x x ' ' '
em todo o
problema, a linearidade das restries preservada e todas as variveis so agora no-
negativas.


2) Uma segunda maneira para converter forma padro quando x
j
livre, consiste em
eliminar x
j
juntamente com uma das equaes de restrio. Por exemplo, seja a i-sima
equao abaixo:

i n in j ij 2 i2 1 i1
b x a + x a + + x a + x a =
(11)

onde a
ij
= 0.

Ento x
j
pode ser expressa como uma combinao linear das outras variveis mais uma
constante.

ij n in 1 j
1
ij 1 j
1
ij 2 i2 1 i1 i j
)]/a x a ... x a x a .... x a x (a [b x + + + + + + =
+
+
(12)

Se essa expresso substituir x
j
em todas as equaes, teremos um novo problema
expresso em funo de x
1
, x
2
, ..., x
j-1,
x
j+1, ...,
x
n
. Como resultado, teremos agora um
problema de programao linear com n 1 variveis e m 1 equaes de restries. O
valor de x
j
pode ser determinado a partir de (12). Este segundo procedimento
raramente utilizado devido s dificuldades de manipulao de dados e implementao
numrica.


4 Caso: Variveis Limitadas Inferior ou Superiormente
Se x
j
> l
j
, basta substituir em todo o problema a varivel x
j
por x
j
= l
j
+ x
j
, para x
j
> 0. Por
outro lado, se x
j
u
j
, ento basta substituir no problema toda varivel x
j
por x
j
= u
j
- x
j
.

Transformao de Problemas de Minimizao em Maximizao
interessante notar que qualquer problema de maximizao (minimizao) pode converter-se
num problema de minimizao (maximizao), pois:
= z) (- mnimo - z mximo
(13)
=

= =
n
1 j
j j
n
1 j
j j
x c - mnimo - x c mximo
(14)
Assim, um problema de maximizao (minimizao) pode ser convertido em um problema de
minimizao (maximizao) atravs da multiplicao dos coeficientes da funo objetivo por -
1. Depois de concluda a otimizao do novo problema, a funo objetivo do problema original
igual -1 vez o valor timo da funo objetivo do novo problema.

Forma Padro e Forma Cannica
Da discusso anterior, vemos que um dado problema linear pode ser colocado em diferentes
formas equivalentes atravs de manipulaes adequadas. Duas formas em particular sero
teis: forma padro e forma cannica. Um problema dito estar na forma padro quando
todas as restries so de igualdade e todas as variveis so no-negativas. O mtodo


simplex foi projetado para ser aplicado somente aps o problema ser colocado na forma
padro.

A forma cannica tambm til especialmente na explorao de relaes de dualidade. Um
problema de minimizao se encontra na forma cannica se todas as variveis so no-
negativas e todas as restries so do tipo . Um problema de maximizao est na forma
padro se todas as variveis so no-negativas e todas as restries so do tipo . A Tabela I
a seguir faz um resumo destas discusses.

Tabela I: Sumrio da Manipulao do Problema de Programao Linear
Forma Minimizao Maximizao
Padro
n ,..., 1 j 0 x
m ,..., 1 i b x a : a sujeito
x c = z Minimize
j
i
n
1 j
j ij
n
1 j
j j
= >
= =
=
=

n ,..., 1 j 0 x
x c = z Maximize
j
i
n
1 j
j ij
n
1 j
j j
= >
= =
=
=


Cannica
n ,..., 1 j 0 x
x c = z Minimize
j
i
n
1 j
j ij
n
1 j
j j
= >
= >
=
=

n ,..., 1 j 0 x
x c = z Maximize
j
i
n
1 j
j ij
n
1 j
j j
= >
= s
=
=

1 ) Exerccio: Coloque o problema abaixo na forma padro.
min z = 2x
1
+ 5x
2
+3x
3
+4x
4

sujeito a: x
1
+ 2x
2
+3x
3
+ x
4
6
-x
1
+ x
2
- 2x
3
+ 3x
4
8
x
1
- x
2
- 3x
3
+ 2x
4
-4
x
1
6
x
2
1
x
3
0

2 ) Exerccio: Coloque o problema abaixo na forma padro.
min z = 2x
1
+ 5x
2
+3x
3
+ 4x
4
+ x
5

sujeito a: x
1
+ 2x
2
+3x
3
+ x
4
6
-x
1
+ x
2
- 2x
3
+ 3x
4
- 8
x
1
- x
2
- 3x
3
+ 2x
4
-4


x
1
6
x
2
1
x
3
-2

Programao Linear em Notao Matricial
O problema de programao linear pode ser escrito em uma forma mais conveniente usando
notao matricial. Para ilustrar, considere o problema seguinte:

n ,..., 1 j 0 x
x c = z Minimize
j
i
n
1 j
j ij
n
1 j
j j
= >
= =
=
=

(15)

Chamando o vetor linha (c
1
, c
2
, ..., c
n
) por c, e considerando os seguintes vetores x e b, e a
matriz A de ordem mxn,


(
(
(
(
=
(
(
(
(
=
(
(
(
(
=
mn 2 m 1 m
n 2 22 21
n 1 12 11
m
2
1
n
2
1
a a a
a a a
a a a
b
b
b
x
x
x
A b x
(16)

o problema pode ser escrito como segue:

0 x
b x
cx

A : a sujeito
= z Minimize
>
=
(17)

O problema pode tambm ser convenientemente representado via colunas da matriz A.
Representando A por [a
1
, a
2
, ..., a
m
], onde a
j
a j-sima coluna de A, o problema pode ser
formulado como segue:


n ,..., 1 j 0 x
x : a sujeito
x c = z Minimize
j
n
1 j
j j
n
1 j
j j
= >
=
=
=
b a
(18)

Onde x um vetor n-dimensional coluna, A uma matriz m x n e b um vetor m-dimensional
coluna. O vetor desigualdade x > 0 determina que cada componente de x no-negativo.

Modelagem de Problemas de Programao Linear e Exemplos

Exemplo I : Problema da Dieta
Um nutricionista deve elaborar uma dieta contendo pelo menos 10 unidades de vitamina A, 30
unidades de vitamina B e 18 unidades de vitamina C, contidas em 5 alimentos. O alimento S1
contm 0 unidade de vitamina A, 2 unidades de vitamina B, 3 unidades de vitamina C e custa
R$4,00 por quilograma. O alimento S2 contm 1 unidade de vitamina A, 1 unidade de vitamina
B, 1 unidade de vitamina C e custa R$2,00 por quilograma. O alimento S3 contm 5 unidades


de vitamina A, 0 unidade de vitaminas B e C, e custa R$1,00 por quilograma. O alimento S4
contm 4 unidades de vitamina A, 3 unidades de vitamina B, 9 unidades de vitamina C e custa
R$10,00 por quilograma. O alimento S5 contm 3 unidades de vitamina A, 2 unidades de
vitamina B, 0 unidade de vitamina C e custa R$5,00 por quilograma.

Qual o custo mnimo para se atender dieta estabelecida pelo nutricionista?

Formulao do Problema:
Os dados referentes aos alimentos S1, S2, S3, S4 e S5 podem ser convenientemente escritos
em uma tabela. Veja Tabela II.
Tabela II: Dados dos Alimentos S1, S2, S3, S4 e S5.

Alim S1 S2 S3 S4 S5
A 0 1 5 4 3
B 2 1 0 3 2
C 3 1 0 9 0
Custo 4 2 1 10 5

D
10
30
18


Observando a Tabela II, podemos formular o problema considerando x
1
, x
2
, ..., x
5
como sendo
as variveis de deciso, isto , as quantidades dos alimentos S1, S2, ..., S5 que devem ser
utilizados para compor a dieta de custo mnimo.
Assim, a formulao do problema pode ser escrita como:

0 x , x , x , x , x
18 x 0 x 9 0x + x 1 + x 3
30 x 2 x 3 0x + x 1 + x 2
10 x 3 x 4 5x + x 1 + x 0 : a sujeito
x 5 x 0 1 x + x 2 + x 4 = z Minimize
5 4 3 2 1
5 4 3 2 1
5 4 3 2 1
5 4 3 2 1
5 4 3 2 1
>
> + +
> + +
> + +
+ +
(19)

Exemplo II : Problema do Transporte
Quantidades a
1
, a
2
, ..., a
m
, respectivamente, de um certo produto devem ser transportadas de
cada uma das m localidades origem para n localidades destino nas quantidades b
1
, b
2
, ..., b
n
.
O custo/unidade de produto transportado da localidade i para a localidade j c
ij
. Deseja-se
determinar as quantidades x
ij
a serem transportadas entre cada par origem-destino i = 1, 2, ...,
m; j = 1,2, ..., n; de tal forma a satisfazer s exigncias de transporte e minimizar o custo total
associado.


Formulao do Problema : Seja x
ij
a quantidade do produto a ser transportado da cidade
origem i para a cidade destino j. Assim, os dados do problema do transporte pode ser
resumidamente escritos na Tabela III.

Tabela III : Dados do problema do transporte de produtos entre m cidades origem para n
cidades destino.
Destino
Origem 1 2 ... n Soma
1 x
11
x
12
... x
1n
a
1

2 x
21
x
22
... x
2n
a
2

... ... ... ... ... ...
m
x
m1
x
m1
... x
mn
a
m

Soma
b
1
b
2
... b
n

Assim, a formulao do problema pode ser escrita como:


. n ,..., 2 , 1 j
; m ,..., 2 , 1 i 0 x
n ,..., 2 , 1 j b x
m ,..., 2 , 1 i a x
: a sujeito
x c z imize min
ij
j
m
1 i
ij
i
n
1 j
ij
m
1 i
n
1 j
ij ij
=
= >
= =
= =
=
=
=
= =
(20)

Obviamente, a soma das quantidades que saem das cidades origem deve ser maior ou igual
soma das quantidades que chegam nas cidades destino, isto :


= =
>
n
1 j
j
m
1 i
i
b a

Exemplo III: Problema da Fbrica
Uma empresa pode fabricar dois produtos (1 e 2). Na fabricao do produto 1, a empresa
gasta 9 horas-homem e 3 horas-mquina. Na fabricao do produto 2, a empresa gasta 1
hora-homem e 1 hora-mquina. Sendo x
1
e x
2
as quantidades fabricadas dos produtos 1 e 2 e
sabendo-se que a empresa dispe de 18 horas-homem e 12 horas-mquina e ainda que os
lucros por unidade do produto x
1
e x
2
so R$4,00 e R$1,00, respectivamente, quanto deve a
empresa fabricar de cada produto para obter o maior lucro possvel?

Formulao do Problema : As variveis de deciso j foram dadas, x
1
e x
2
. Os dados deste
problema podem ser esquematicamente escritos na Tabela IV.
Tabela IV : Dados do problema de produo para maximizao dos lucros.
Produto
Tempo x
1
x
2
Total disponvel
Horas-homem 9 1 18
Horas-mquina 3 1 12


Lucro/unid 4 1

Este problema possui a seguinte representao matemtica:
0 x , x
12 x x 3
18 x x 9 : a sujeito
x x 4 z Maximize
2 1
2 1
2 1
2 1
>
s +
s +
+ =

(21)
O desenvolvimento desse problema resulta no valor mximo da funo objetivo x
1
*
= 1, x
2
*
= 9
e z = R$13,00. Tente resolv-lo.

Exemplo IV: Problema da Refinaria de Petrleo
Uma refinaria de petrleo destila leo cru, proveniente de duas fontes: Arbia Saudita e
Venezuela, e produz trs produtos: gasolina, querosene e lubrificantes. Os leos tm
diferentes composies qumicas e fornecem diferentes quantidades de destilados por barril
processado. Cada barril da Arbia d 0,3 barril de gasolina, 0,4 de querosene e 0,2 de
lubrificante. Para o barril proveniente da Venezuela estas quantidades so respectivamente:
0,4, 0,2 e 0,3. Em ambos os casos h 10% de resduos. Os leos diferem em custo e
disponibilidade. A refinaria pode comprar at 9000 barris da Arbia a $ 20,00 o barril e at
6000 barris da Venezuela a $ 15,00 o barril. Contratos da refinaria com distribuidores exigem


que ela produza 2000 barris por dia de gasolina, 1500 de querosene e 500 de lubrificantes.
Como cumprir os contratos gastando o mnimo?

Formulao do Problema : As variveis de deciso so obviamente as quantidades de leo
cru a serem adquiridas da Arbia Saudita e Venezuela. Sejam estas variveis x
1
e x
2
em
nmero barris/dia, respectivamente. Os dados deste problema podem ser esquematicamente
escritos na Tabela V.

Tabela V : Dados do problema de produo para maximizao dos lucros.
Quantidade de leo Cru

Arbia Saudita (X
1
) Venezuela (x
2
)
Quantidade a ser
produzida
Gasolina 0,3 0,4 2000
Querosene 0,4 0,2 1500
Lubrificantes 0,2 0,3 500
Compra
Possvel
9000 6000
Custo 20 15


( )
( )
( )
( )
( )
( ) de negativida No 0 x , x
Venezuela 6000 x
Saudita Arbia 9000 x
tes Lubrifican 500 x 3 , 0 x 2 , 0
Querosene 1500 x 2 , 0 x 4 , 0
Gasolina 2000 x 4 , 0 x 3 , 0 : a sujeito
x 15 x 20 z Minimize
2 1
2
1
2 1
2 1
2 1
2 1
>
s
s
> +
> +
> +
+ =

(22)

A soluo tima deste problema x
1
*
= 2000, x
2
*
= 3500 a um custo mnimo de US92.500,00.
Tente resolv-lo.

Soluo Geomtrica
A soluo geomtrica adequada para problemas pequenos, de duas ou no mximo trs
variveis. A grande vantagem da soluo geomtrica permitir a visualizao do problema.

Para apresentarmos este tema, considere o problema abaixo.


0 x
b x A : a sujeito
x c Minimize
T

>
>
(23)
Observe que a regio vivel formada por todo vetor x
satisfazendo ao sistema b x A

> e
0 x

> . Dentre todos estes pontos, nos interessamos por determinar um que conduza ao
mnimo valor para x c
T

.

Note que pontos cujo valor da funo objetivo z, satisfazem a x c
T

= z, ou
z x c
n
1 j
j j
=
=
. Uma
vez que desejamos minimizar z, ento o plano (linha em espao 2D)
z x c
n
1 j
j j
=
=
deve ser
deslocado paralelamente a ele prprio na direo que minimiza a funo objetivo. Esta
direo
c
. Veja a representao na figura abaixo.


Fig. 2 Soluo geomtrica do PPL.
fcil notar que o ponto timo
| |
T
*
2
*
1
x , x * x

=
um entre os cinco vrtices, os quais so
chamados de pontos extremos.

Mostraremos mais adiante que se um problema de programao linear na forma padro ou
cannica tem uma soluo tima finita, ento ele possui um ponto timo no vrtice ou ponto
extremo timo.
c
1 2 2 1 1
z x c x c = +

2 2 2 1 1
z x c x c = +

Regio
Vivel
3 2 2 1 1
z x c x c = +

4 2 2 1 1
z x c x c = +

Diminuio da
funo
objetivo

X
2

X
1

[X
1
*
, X
2
*
]
T


Exemplo 2: Considere o problema seguinte:

0 x , x
8 2x -x
6 x + x : a sujeito
x 3 - x - = z Minimize
2 1
2 1
2 1
2 1
>
s +
s
(24)


Fig. 3 Soluo geomtrica do PPL do Exemplo 2.

A regio vivel ilustrada na Fig. 3. Para construir esta regio, considere a segunda restrio
8 2x x -
2 1
s +
. A equao associada a esta restrio
8 2x x -
2 1
= +
. O gradiente desta
funo [-1 2]
T
. Logo, a funo
2 1
2x x - +
aumenta nesta direo e diminui na direo
contrria, isto , na direo [1 -2]
T
. Consequentemente, a regio vivel a
8 2x x -
2 1
s +

[4/3 14/3]
T

[6 0]
T

[0 4]
T

[0 6]
T

[0
0]
T

X
2
0
X
1
0
Regio
Vivel
2
1
0 x 3 - x -
2 1
=

3 / 46 x 3 - x -
2 1
=

Diminuio da
funo objetivo

T
] 3 , 1 [ c =


relativa equao
8 2x x -
2 1
= +
mostrada na Fig. 2 e compreende pontos na regio de
diminuio de
2 1
2x x - +
. As restries de no-negatividade de x
1
e x
2
restringem a busca ao
primeiro quadrante do sistema de coordenadas. As equaes
cte z x 3 - x -
2 1
= =
so
denominadas de equipotenciais da funo objetivo e so representadas pelas linhas
tracejadas. A soluo tima deste problema naturalmente o vrtice definido pelo ponto [4/3
14/3]
T
para o qual z* = -46/3.

Classificao das Solues
O objetivo da PL determinar entre as solues viveis uma que seja a melhor medida pelo
valor da funo objetivo do modelo. Por "melhor" entende-se o maior ou menor valor da
funo objetivo, dependendo se o modelo de maximizar ou de minimizar.
Ao solucionar um problema de PL, podemos ter vrias situaes possveis. No exemplo
anterior tivemos uma nica soluo tima. Outros casos possveis so resumidos a seguir
para problemas de minimizao.

nica soluo tima finita: se a soluo tima finita e nica ento ela ocorre em um ponto
extremo.


Fig. 4.a - Soluo tima nica e finita (regio limitada).

Regio
Vivel
2
1

Diminuio da
funo objetivo

c

0 x
2
>

0 x
1
>

Soluo tima finita


Fig. 4.b - Soluo tima nica e finita (regio ilimitada).

Infinitas solues timas finitas: Este o caso ilustrado na Fig. 5. No caso (a), a regio
vivel limitada. Os dois vrtices x
1
*
e x
2
*
so solues timas, bem como qualquer outro
ponto sobre o segmento unindo-os.
Regio
Vivel
2
1

Diminuio da
funo objetivo

c

0 x
2
>

0 x
1
>

Soluo tima finita


Fig. 5.a Infinitas solues timas (regio limitada).
Regio
Vivel
2
1

Diminuio da
funo objetivo

c

0 x
2
>

0 x
1
>

Soluo tima finita x
1
*

3
Soluo tima finita
x
2
*


Fig. 5.b Infinitas solues timas (regio ilimitada).

Em 5.b, a regio vivel ilimitada. O vrtice indicado ponto timo, bem como qualquer outro
sobre a fronteira tima.
Valor da funo objetivo na soluo tima ilimitado: Este caso ilustrado pela Fig. 6,
onde a regio e o timo so ilimitados. Para o problema de minimizao, o plano x c
T

= z
Regio
Vivel
2
1

Diminuio da
funo objetivo
c

0 x
2
>

0 x
1
>

Soluo tima
finita Fronteira tima


pode ser deslocado na direo x c
T

indefinidamente e sempre estar interceptando a regio
vivel. O valor timo z* = - e nenhuma soluo tima existe.

Fig. 6 Valor da funo objetivo no timo ilimitado (regio ilimitada).

Regio
Vivel
2
1

Diminuio da
funo objetivo
c

0 x
1
>

0 x
2
>


Regio Vivel Vazia: Neste caso o sistema de equaes e ou inequaes definindo a regio
vivel inconsistente. Para ilustrar isto, considere o problema a seguir:

0 x , x
4 x
3 x 2x
2 2x + x - : a sujeito
x 3 2x - = z Minimize
2 1
2
2 1
2 1
2 1
>
>
s
s
+
(25)

Observando a Fig. 7, percebemos claramente que no h nenhum ponto vivel, isto ,
nenhum ponto (x
1
, x
2
) satisfaz ao conjunto de desigualdades. O problema dito ser invivel,
inconsistente, ou com uma regio vivel vazia.


Fig. 7 Regio vivel vazia.

Interpretao Espacial
O problema de programao linear pode ser geometricamente resolvido em outro espao,
como veremos a seguir.

0 x
1
>

0 x
2
>

2 x 2 x
2 1
s +

4 x
2
>

3 x x 2
2 1
s

[8/3 7/3]
T

[0 4]
T

[0 0]
T


Interpretao de Viabilidade
Considere o problema de programao linear na forma padro:

0 x
b x A : a sujeito
x c Minimize
T

>
=
(26)
onde A uma matriz mxn cuja e-sima coluna
j
a
. Este problema pode ser re-escrito como:

n ..., 1,2, j 0 x
b x a : a sujeito
x c Minimize
j
n
1 j
j j
n
1 j
j j
= >
=
=
=
(27)

Dado os vetores
n 2 1
a ...., , a , a

, desejamos encontrar valores no-negativos
n 2 1
x ...., , x , x


tais que
b x a
n
1 j
j j
=
e ainda que
=
n
1 j
j j
x c
seja minimizado. Note que o conjunto de vetores
da forma
=
n
1 j
j j
x a
, onde
n 2 1
x ...., , x , x
o cone gerado por
n 2 1
a ...., , a , a

.

Fig. 8.a Regio vivel no vazia. Fig. 8.b Regio vivel vazia.

Assim, o problema possuir uma soluo vivel somente se o vetor
b
pertencer ao cone
1
a

3
a

4
a

2
a

1
a

3
a

4
a

2
a


gerado pelo conjunto de vetores j
a
. Desde que o vetor b
usualmente representa exigncias

a serem satisfeitas, o espao das figuras (a) e (b) acima denominado de espao das
exigncias.

Exemplo: Considere os dois sistemas dados a seguir:

S1 S2

0 x , x , x , x
3 x 3x x -
2 x x 2x
4 3 2 1
4 2 1
3 2 1
>
= + +
= + +

0 x , x , x , x
2 x 3x x -
1 x x 2x
4 3 2 1
4 2 1
3 2 1
>
= + +
= + +
(28)


Fig. 9 (a) Consistente ou regio vivel no-vazia,
9 (b) Inconsistente ou regio vivel vazia.

4
a

2
a

3
a

1
a

4
a

2
a

3
a

1
a


Conceitos Fundamentais
A introduo dos conceitos fundamentais abaixo descritos necessria para a compreenso
do Mtodo Simplex. Alguns destes conceitos j foram introduzidos. No entanto, a repetio de
alguns deles contribui para a melhor compreenso do Mtodo Simplex.

Dado um problema de Programao Linear na forma padro:
n ..., 1,2, j 0 x
b x a : a sujeito
x c Minimize
j
n
1 j
j j
n
1 j
j j
= >
=
=
=
(29)
A constante m o nmero de restries funcionais e n o nmero de variveis de deciso.

Supomos ainda que os termos independentes sejam no negativos: b
i
> 0 (i = 1,2,m), caso
contrrio pode-se sempre multiplicar por (-1) toda a equao.

Definies:
1. A funo a minimizar, z = c
1
x
1
+ c
2
x
2
+ + c
n
x
n
, designa-se por funo objetivo.
2. As equaes (inequaes) designam-se por restries.
3. As desigualdades x
1
> 0
,
x
2
> 0,,

x
j
> 0,,

x
n
> 0 designam-se por condies de
no-negatividade.


4. As variveis (x
1,
x
2
,,

x
j
,,

x
n
) designam-se por variveis de deciso.
5. Qualquer especificao de valores para as variveis de deciso (x
1,
x
2
,,

x
j
,,

x
n
)

que satisfaa as restries do modelo e as condies de no-negatividade designa-se
por soluo vivel.
6. O conjunto de todas as solues viveis designa-se por conjunto de viabilidade ou
regio de viabilidade.
7. Uma soluo tima minimiza (ou maximiza) a funo objetivo sobre toda a regio
vivel.

Definio 1. Qualquer conjunto de valores para as variveis (x
1,
x
2
,,

x
n
)

que satisfaa
as restries do modelo
b a x
n
1 j
j j
=
=
(30)
designa-se por soluo.

Definio 2. Se, alm disso, a soluo x = (x
1
,

x
2
,,

x
n
) verificar as restries de no-
negatividade,
n ,..., 1 j para 0 x
j
= >
, designa-se por soluo vivel.


O sistema (30) constitudo por m equaes e n incgnitas, onde m s n. Suponha-se que a
caracterstica
1
da matriz A do sistema seja igual a m. Isto significa que existe uma sub-matriz
quadrada de ordem m (B
mxm
) com determinante no-nulo. Esta sub-matriz permite efetuar
uma classificao das variveis em bsicas (as correspondentes s colunas da sub-matriz B)
e no-bsicas (as restantes n m variveis). Veja Eq. (31).
| | b
b
b
b
x
x
I B
x
x
x
x
x
a
a
a
a a a a
a a a a
a a a a
Ax
m
2
1
N
B
n
1 m
m
2
1
mn
n 2
n 1
1 mm mm 2 m 1 m
1 m 2 m 2 22 21
1 m 1 m 1 12 11
=
=
)
`
(
(
(
(
=
+
+
+
+

(31)
Um sistema nestas condies um sistema indeterminado de grau n-m, em que m variveis
podem ser escritas em termo das restantes n m, e tem, por conseqncia, uma infinidade de

1
Chama-se caracterstica de uma matriz A
mxn
ao nmero mximo de colunas que so linearmente independentes.


solues (correspondente infinidade de valores que arbitrariamente podem ser atribudos s
n - m variveis).

Suponha-se ento que x = (x
1
,

x
2
,,

x
m
, x
m+1
,

x
m+2
,, x
n
) seja uma soluo do sistema de
equaes (31).

Definio 3. Se uma sub-matriz B
mxm
da matriz A do sistema (31) no-singular, i.e., o
seu determinante no nulo, ento designa-se por base a sub-matriz B
mxm
.

Para simplificar a notao suponha que a base B composta pelas m primeiras colunas, i.e.,
B = {a
1
, a
2
,..., a
m
}.

Definio 4. As m variveis x
1
,

x
2
,,

x
m
correspondentes s colunas de B
mxm

designam-se por variveis bsicas. Seja o vetor de variveis bsicas o vetor x
B

Definio 5. As restantes n-m variveis x
m+1
,x
m+2
,,x
n
designam-se por variveis no
bsicas. Seja o vetor de variveis no bsicas o vetor x
N
.

Definio 6. Uma soluo bsica para o sistema (31) obtm-se atribuindo o valor
zero s variveis no bsicas x
m+1
,

x
m+2
,,

x
n
, e determinando, depois, uma soluo para as


m variveis bsicas restantes x
1
,

x
2
,,

x
m
, i.e., x = (x
1
,

x
2
,

,

x
m
, 0, ,0), onde x
B
=(x
1
,

x
2
,,

x
m
) a nica soluo do sistema de equaes Bx
B
= b.

Definio 7. Se todas as variveis bsicas x
1
,

x
2
,,

x
m
so no-nulas, a soluo
bsica designa-se por soluo bsica no degenerada.

Definio 8. Se alguma varivel bsica for igual a zero a soluo bsica designa-se
por soluo bsica degenerada.

Definio 9. Se uma soluo bsica x verifica ainda as condies de no-negatividade
n ,..., 1 j para 0 x
j
= >
- todas as variveis da soluo so no negativas - ento esta
soluo uma soluo bsica vivel.

Definio 10. Se uma soluo bsica vivel tambm uma soluo bsica degenerada,
ela dita ser uma soluo bsica vivel degenerada.

Teorema fundamental da Programao Linear

Atravs do teorema fundamental da programao linear estabelece-se a importncia das
solues viveis bsicas na resoluo de problemas de programao linear. Este teorema
estabelece que:


1) Se existe uma soluo vivel para o problema de PL, definido pelas expresses
b a x
n
1 j
j j
=
=
e
n ,..., 1 j para 0 x
j
= >
, ento existe uma soluo bsica vivel.

2) Se existe uma soluo tima vivel ento existe uma soluo tima bsica vivel.

Do teorema fundamental da PL podemos concluir que no necessrio procurar a soluo
tima entre todas as solues viveis, mas apenas entre as solues bsicas viveis.

O nmero mximo de solues bsicas num problema com m restries e n variveis,
corresponde ao nmero mximo de bases distintas do sistema
b a x
n
1 j
j j
=
=
que podem ser
determinadas e esse nmero dado pelo nmero de possveis combinaes de m nmeros
que podem ser obtidas usando n nmeros:
)! ( !
!
m n m
n
m
n
=
|
|
.
|
\
|
(32)


Embora este nmero possa ser muito grande, teoricamente a soluo tima poderia ser
encontrada pela experimentao de todas as solues bsicas viveis. Este mtodo, porm,
mostra-se ineficaz.

O Mtodo Simplex

O mtodo Simplex um algoritmo que permite resolver problemas de Programao Linear. A
idia bsica do mtodo Simplex consiste em resolver repetidas vezes um sistema de
equaes lineares para obter uma sucesso de solues bsicas viveis (que um ponto
extremo), cada uma melhor que a anterior, at se chegar a uma soluo bsica vivel tima
(ou seja, at que o mnimo/mximo na funo objetivo seja alcanado).

Algumas descries necessrias ao mtodo Simplex

Pivs
Para obter uma compreenso do mtodo Simplex, necessrio compreender o processo de
pivotagem em um conjunto de equaes lineares. H para isso 2 interpretaes:

Primeira interpretao:

Considere o conjunto de equaes lineares abaixo:


b x a + + x a + x a
b x a + + x a + x a
b x a + + x a + x a
m n n m 2 m2 1 m1
2 n 2n 2 22 1 21
1 n 1n 2 12 1 11
=
=
=
(33)

onde m s n. Na forma matricial escreve-se como:

Ax = b (34)

No espao E
n
pode-se interpretar as equaes acima como um conjunto de m relaes
lineares que devem ser satisfeitas por um vetor x. Denotando por a
i
, a i-sima linha da matriz
A, temos:

a
1
x = b
1
a
2
x = b
2

.
.
.
a
m
x = b
m
(35)


Se m < n e as equaes so linearmente independentes, ento h uma variedade de
solues lineares. Uma nica soluo resulta se n m equaes lineares e independentes
adicionais forem acrescentadas.

Se as equaes (35) so linearmente independentes (LI), pode-se substituir uma dada
equao multiplicando-a por um nmero diferente de zero e somando equao obtida
alguma combinao linear de outras equaes do sistema. Essa transformao, dita
Gaussiana, utilizada pra transformar um conjunto de equaes para a forma triangular. Se
as m primeiras colunas de A so LI, o sistema (5), pode, atravs de uma seqncia de
multiplicaes e subtraes ser reduzido forma seguinte:

x
1
0 ... 0 + y
1, m + 1
x
m + 1
+ y
1, m + 2
x
m + 2
+ ... + y
1, n
x
n
= y
10

0 x
2
... 0 + y
2, m + 1
x
m + 1
+ y
2, m + 2
x
m + 2
+ ... + y
2, n
x
n
= y
20

.... .... ....
0 0 ... x
m
+ y
m, m + 1
x
m + 1
+ y
m, m + 2
x
m + 2
+ ... + y
m, n
x
n
= y
m0
(36)

Para o sistema (36), as variveis x
1
, x
2
, ..., x
m
so chamadas de bsicas e as outras variveis
so no-bsicas. A soluo bsica correspondente :

x
1
= y
10
, x
2
= y
20
, ..., x
m
= y
m0
, x
m + 1
= 0, ..., x
n
= 0 (37)


Ou, na forma vetorial

x = (y
0
, 0) (38)

O sistema (36) pode ser representado por uma matriz ou tabela (quadro Simplex):

1 0 .... 0 y
1, m + 1
y
1, m + 2
y
1n
y
10

0 1 .... 0 y
2, m + 1
y
2, m + 2
y
2n
y
20

.
0 0 .... 1 y
m, m + 1
y
m, m + 2
y
mn
y
m0
(39)

Exemplo 1:
Dado o problema abaixo, encontre uma soluo bsica atravs de pivotagem.

2 x - x 2 x + x
3 x + x 3 - x 2 + 2x
1 x + x + x + 3x
4 3 2 1
4 3 2 1
4 3 2 1
= +
=
=


(
(
(
=
2 1 - 2 1 1
3 1 3 - 2 2
1 1 1 1 3
B

Soluo:
B(1,:)=B(1,:)/B(1,1) { B(1,1) elemento piv}
1.0000 0.3333 0.3333 0.3333 0.3333
2.0000 2.0000 -3.0000 1.0000 3.0000
1.0000 1.0000 2.0000 -1.0000 2.0000

B(2,:)=B(2,:)-B(1,:)*B(2,1)/B(1,1) { Zerando o elemento B(2,1) abaixo do elemento piv}
1.0000 0.3333 0.3333 0.3333 0.3333
0 1.3333 -3.6667 0.3333 2.3333
1.0000 1.0000 2.0000 -1.0000 2.0000

B(3,:)=B(3,:)-B(1,:)*B(3,1)/B(1,1) { Zerando o elemento B(3,1) abaixo do elemento piv}
1.0000 0.3333 0.3333 0.3333 0.3333
0 1.3333 -3.6667 0.3333 2.3333
0 0.6667 1.6667 -1.3333 1.6667


1.0000 0.3333 0.3333 0.3333 0.3333
0 1.0000 -2.7500 0.2500 1.7500
0 0.6667 1.6667 -1.3333 1.6667

B(1,:)=B(1,:)- B(2,:)*B(1,2)/B(2,2) { Zerando o elemento B(1,2) acima do elemento piv}
1.0000 0 1.2499 0.2500 -0.2500
0 1.0000 -2.7500 0.2500 1.7500
0 0.6667 1.6667 -1.3333 1.6667

B(3,:)=B(3,:)- B(2,:)*B(3,2)/B(2,2) { Zerando o elemento B(3,2) abaixo do elemento piv}
1.0000 0 1.2499 0.2500 -0.2500
0 1.0000 -2.7500 0.2500 1.7500
0 0 3.5001 -1.5000 0.5000

1.0000 0 1.2499 0.2500 -0.2500
0 1.0000 -2.7500 0.2500 1.7500
0 0 1.0000 -0.4285 0.1428

1.0000 0 0 0.7856 -0.4285
0 1.0000 -2.7500 0.2500 1.7500
0 0 1.0000 -0.4285 0.1428


1.0000 0 0 0.7856 -0.4285
0 1.0000 0 -0.9285 2.1428
0 0 1.0000 -0.4285 0.1428

Exemplo 2:
Dado o problema abaixo, determine uma soluo bsica atravs de pivotagem e coloque o
problema na forma de tabela.
2 x - x 2 x + x 2
2 x + x x - 2x
3 x - x + x 2 + x
4 3 2 1
4 3 2 1
4 3 2 1
=
= +
=

(
(
(
=
2 1 - 2 - 1 2
2 1 1 1 - 2
3 1 - 1 2 1
B

Soluo:
B =
1.0000 0 0 0.0588 1.1176
0 1.0000 0 -0.6471 0.7059
0 0 1.0000 0.2353 0.4706


H, porm, uma questo a se resolver: Dado um sistema na forma acima, suponha que se
deseje tornar uma varivel bsica em no-bsica e uma varivel no-bsica em bsica. Qual
ser a nova tabela correspondente a esse novo conjunto de variveis bsicas?

Isso pode ser resolvido da seguinte forma, utilizando o mtodo de reduo Gauss-Jordan:

1) Divida toda a linha correspondente varivel no-bsica a entrar na base pelo valor do
coeficiente correspondente mesma, desde que diferente de zero, de forma que essa
varivel se torne unitria (ela deve ser no-negativa).

2) Faa as operaes necessrias para zerar todos os outros elementos relacionados
coluna da varivel no-bsica. Para isso, multiplique a nova linha da varivel no-bsica
que deve entrar na base por um nmero de forma que ao som-lo linha cujo elemento
se deseja zerar, esse se anule.

Exemplo 3:
Na tabela abaixo x
1
, x
2
e x
3
so as variveis bsicas e x
4
no bsica. Entre com x
4
na base
no lugar de x
3
.
2 4 1 0 0
6 3 0 1 0
2 2 0 0 1


Soluo:
B(3,:)=B(3,:)/B(3,4) { B(3,4) elemento piv, isto , coeficiente de x4 que deve entrar
na base no lugar de x3}
1.0000 0 0 2.0000 2.0000
0 1.0000 0 3.0000 6.0000
0 0 0.2500 1.0000 0.5000
1.0000 0 -0.5000 0 1.0000
0 1.0000 0 3.0000 6.0000
0 0 0.2500 1.0000 0.5000
1.0000 0 -0.5000 0 1.0000
0 1.0000 -0.7500 0 4.5000
0 0 0.2500 1.0000 0.5000
Segunda interpretao:
O conjunto de equaes simultneas representadas por (35) e (36) pode ser interpretado em
E
m
como uma equao vetorial. Denotando as colunas de A por a
1
, a
2
, ..., a
n
, pode-se
escrever (35) como:

x
1
a
1
+ x
2
a
2
+ ... + x
n
a
n
= b (40)

Nessa interpretao, se expressa b como uma combinao linear de colunas a
i
s.


Se m < n e os vetores a
i
geram E
m
ento encontramos uma famlia de solues. A soluo
relacionada com o conjunto de n m variveis x
i
iguais a zero a soluo bsica para (35).

Suponha agora que ns iniciemos com o sistema na forma de tabela:

1 0 .... 0 y
1, m + 1
y
1, m + 2
y
1n
y
10

0 1 .... 0 y
2, m + 1
y
2, m + 2
y
2n
y
20

...
0 0 .... 1 y
m, m + 1
y
m, m + 2
y
mn
y
m0
(41)

Nesse caso as primeiras m colunas formam a base. Alm disso, qualquer vetor representado
na tabela pode ser expresso como uma combinao linear dos outros vetores da base.
Conseqentemente:

a
j
= y
1j
a
1
+ y
2j
a
2
+ ... + y
mj
a
m
(42)

A tabela pode ser interpretada como uma representao dos vetores a
i
em termos da base; a
i-sima coluna da tabela constitui a representao para o vetor a
i
. Em particular, a expresso
para b em termos da base dada na ltima coluna.

Considere agora a operao de substituio de um membro da base por outro vetor no-
existente na base. Suponha que se deseje substituir o vetor da base a
p
, 1 s p s m, pelo vetor


a
q
, m+1 s q s n. Conhecido que os m primeiros vetores a
p
so LI, esses vetores constituem a
base e todo vetor pode ser expresso como uma combinao linear dessa nova base. Para
encontrar uma nova representao desses novos vetores preciso atualizar a base. Isso
feito de forma semelhante ao procedimento 1) descrito anteriormente.

Pontos extremos adjacentes
Discutiu-se anteriormente que necessrio apenas considerar as variveis bsicas viveis na
soluo de problemas de programao linear da forma

Ax = b
x > 0 (43)

Embora as operaes de pivotagem transformem uma soluo bsica em outra, em geral, as
condies de no negatividade das solues no so preservadas. possvel, especificar
ento, qual varivel no-bsica se tornar bsica e dessa forma determinar qual varivel
bsica dever se tornar no-bsica?

Suposio de No-degeneraridade: Toda soluo vivel bsica de (43) uma soluo
vivel bsica no-degenerada.


Determinao do vetor que deixa a base

Suponha que ns tenhamos a soluo vivel bsica x = (x
1
, x
2
, ..., x
m
, 0, 0, ..., 0), ou,
equivalentemente a representao

x
1
a
1
+ x
2
a
2
+ ..... + x
m
a
m
= b (44)

Utilizando a suposio de no-degeneraridade, isto , x
i
> 0 para todo i = 1, 2, ..., m.
Considere tambm a representao do vetor a
k
, k > m em termos da base:

a
k
= y
1k
a
1
+ y
2k
a
2
+ + y
mk
a
m
(45)

Multiplicando (45) pela varivel e subtraindo o resultado de (44) , isto :

x
1
a
1
+ x
2
a
2
+ ... + x
m
a
m
= b
y
1k
a
1
+ y
2k
a
2
+ ... + y
mk
a
m
- a
k
= 0
--------------------------------------------------------------------------
(x
1
- y
1k
)a
1
+ (x
2
- y
2k
)a
2
+ ... + (x
m
- y
mk
)a
m
+ a
k
= b (46)

Para > 0, obtemos b como uma combinao linear de no mximo m + 1 vetores. Para = 0,
temos a tradicional soluo bsica vivel. Se o valor de aumentado, o coeficiente de a
k

cresce e, para pequenos valores de , (46) fornece uma soluo vivel, mas no-bsica. Os


coeficientes dos outros vetores podem aumentar ou diminuir linearmente quando cresce. Se
algum deles decresce, ns podemos escolher o menor valor para o qual tal coeficiente
assume o valor nulo, ou seja:

= min {x
i
/ y
ik
: y
ik
> 0} ,
i = 1, 2, , m. (47)

Nesse caso ns temos uma nova soluo vivel bsica, com o vetor a
k
ocupando o lugar do
vetor a
i
, que corresponde ao mnimo em (47).

Se o mnimo em (47) obtido para mais de um ndice i, teremos ento uma nova soluo
bsica que degenerada e, qualquer um dos vetores com coeficiente igual a zero poder ser
considerado aquele que deixar a base.

Se nenhum dos y
ik
s positivo, ento todos os coeficientes na representao (47) crescem
(ou permanecem constantes) quando aumenta e, nenhuma nova soluo vivel bsica
obtida. Observa-se, entretanto, que nesse caso, h solues viveis para (43) tendo grandes
coeficientes. Isso significa que o conjunto K de solues viveis para (43) ilimitado e
corresponde a um caso especial do mtodo Simplex.

Em um quadro Simplex para determinar a varivel bsica que deixa a base deve-se
prosseguir da seguinte maneira:


- A coluna pertencente varivel no-bsica que entra na base chamada de coluna
piv. Dividem-se todos os termos independentes (y
i0
) pelos correspondentes elementos
pertencentes a essa coluna (desde que esses valores sejam positivos).
- Escolhe-se o menor desses quocientes. A linha que atende a essa especificao,
chamada de linha piv, associada varivel bsica que deixar a base.

Exemplo: Substitua a varivel no-bsica x
4
por uma das variveis bsicas mantendo a
condio de no-negatividade.

2 4 1 0 0
6 3 0 1 0
2 2 0 0 1
B =

Soluo: Observe que para o problema, a soluo bsica vivel x = [2 6 2 0]
T
.
Determinao de qual varivel bsica deve entrar na base:
base da sair deve x
5 , 0
2
1
a / y
2 4 1 0 0
6 3 0 1 0
2 2 0 0 1
3 4 i 0 i
=

Substituindo x3 bsica por x4 no-bsica:


B(3,:)=B(3,:)/B(3,4) { B(3,4) elemento piv, isto , coeficiente de x4 que deve entrar
na base no lugar de x3}
1.0000 0 0 2.0000 2.0000
0 1.0000 0 3.0000 6.0000
0 0 0.2500 1.0000 0.5000
B(1,:)=B(1,:)- B(3,:)*B(1,4) { Zerando o elemento B(1,4) acima do elemento piv}
1.0000 0 -0.5000 0 1.0000
0 1.0000 0 3.0000 6.0000
0 0 0.2500 1.0000 0.5000
B(2,:)=B(2,:)- B(3,:)*B(2,4) { Zerando o elemento B(2,4) acima do elemento piv}
1.0000 0 -0.5000 0 1.0000
0 1.0000 -0.7500 0 4.5000
0 0 0.2500 1.0000 0.5000

A soluo bsica x = [1 4.5 0 0.5]
T
.

Determinao da soluo tima

De forma a tornar o mtodo Simplex iterativo e reduzir o valor da funo objetivo necessrio
determinar agora qual varivel no-bsica entrar na base.


Seja c
o vetor linha correspondente aos coeficientes da funo objetivo, com elementos c

i
,
i =1,2,...,n. Seja
B
c
o vetor correspondente s variveis bsicas

i
x
, i =1,2,...,m e y
ij
o

componente i da coluna j do quadro Simplex. Tem-se que
B B
m
1 i
i i 0
x c x c z

= =
=
(48)

x c x c z
n
1 i
i i

= =
=
(49)

Embora seja natural usar a soluo bsica (x
B
, 0) quando temos o quadro Simplex, claro
que se valores arbitrrios so associados a x
m+1
, x
m+2
, ... x
n
, ns podemos facilmente
determinar as alteraes nas variveis bsicas para acomodar estas variaes, isto :

+ =
=
n
1 m j
j j 1 10 1
x y y x


+ =
=
n
1 m j
j j 2 20 2
x y y x
(50)
+ =
=
n
1 m j
j mj 0 m m
x y y x

Usando (50), podemos eliminar as variveis bsicas da frmula geral para o clculo da funo
objetivo dada em (49). Fazendo-se isto, temos:
n n n 2 m 2 m 2 m 1 m 1 m 1 m 0
x ) z c ( x ) z c ( x ) z c ( z x c z + + + + = =
+ + + + + +

(51)
onde
n , m m n , 2 2 n , 1 1 n
2 m , m m 2 m , 2 2 2 m , 1 1 2 m
1 m , m m 1 m , 2 2 1 m , 1 1 1 m
y c y c y c z
y c y c y c z
y c y c y c z
+ + + =
+ + + =
+ + + =
+ + + +
+ + + +
(52)


c
1
c
2
.... c
m
c
m+1
c
m+2
.... c
n

1 0 .... 0 y
1, m + 1
y
1, m + 2
.... y
1n
y
10

0 1 .... 0 y
2, m + 1
y
2, m + 2
.... y
2n
y
20

.... .... .... .... .... .... .... ....
0 0

....

1

y
m, m + 1
y
m, m + 2
.... y
mn
y
m0

z
m + 1
z
m + 2
.... z
n

c
m + 1
- z
m + 1
c
m + 2
- z
m+2
.... c
n
- z
n

n n n 2 m 2 m 2 m 1 m 1 m 1 m 0
x ) z c ( x ) z c ( x ) z c ( z x c z + + + + = =
+ + + + + +

A expresso (51) a relao fundamental requerida para determinar a coluna piv, isto ,
qual varivel no-bsica deve entrar na base. Por qu?

Para a escolha da varivel no bsica a entrar na base necessrio determinar qual dos
custos definidos como
c
j

- z
j
, j=m+1,..., n


menor que zero. Se tiver pelo menos um, significa que a funo objetivo z pode ser feita
menor que z
0
(Eq. 51). Assim, a varivel no-bsica a entrar na base, isto , a coluna piv,
deve ser tal que

Para que o processamento possa ser feito de forma automtica, isto , para que a introduo
de uma nova varivel possa ser processada nas demais variveis, consideramos o quadro
Simplex anteriormente apresentado acrescentando uma nova linha correspondendo funo
objetivo z:

1 0 .... 0 y
1, m + 1
y
1, m + 2
y
1n
y
10

0 1 .... 0 y
2, m + 1
y
2, m + 2
y
2n
y
20

. ..
0 0 .... 1 y
m, m + 1
y
m, m + 2
y
mn
y
m0
0 0 .... 0 r
m + 1
r
m, + 2
r
n
-z
0

(53)

em que:
Critrio de entrada na base

Min { c
j

- z
j

| c
j

- z
j

< 0 }
j


r
m+1
= c
m+1
z
m+1
(54)

e

(
(
(
(
(
. =
+
+
+
+
1 m m,
1 m 2,
1 m 1,
m 2 1 1 m
y
y
y
] c . c [c z
. (55)

Teorema (melhoramento da soluo bsica vivel):

Considere dada uma soluo bsica vivel, no-degenerada, com o correspondente valor z
o
.
Suponha que para algum j tenha-se c
j
z
j
< 0. Dessa forma h uma soluo vivel com valor
z < z
0
. Se a coluna a
j
pode ser substituda por algum vetor na base original para constituir uma
nova soluo bsica vivel, ento a nova soluo contm z < z
0
. Se a
j
no pode ser
substituda, o conjunto soluo K ilimitado.

Teorema da Condio de Otimalidade:

Se para alguma soluo bsica vivel c
j
> z
j
, j, ento essa soluo tima.


Exerccio:
Resolva via Simplex o problema abaixo:
0 x , x , x
6 x x 2 x 2
5 x 3 x 2 x
2 x x x 2 : a sujeito
x 3 x x 3 imize max
3 2 1
3 2 1
3 2 1
3 2 1
3 2 1
>
s + +
s + +
s + +
+ +
(56)

Soluo:
O problema precisa ser colocado na forma padro. Para isto, vamos transformar o problema
em problema de minimizao e acrescentar uma varivel de folga para cada restrio:

0 0 0 0 3 1 3
6 1 0 0 1 2 2
5 0 1 0 3 2 1
2 0 0 1 1 1 2

(57)


Observem que o problema j se encontra na forma adequada utilizao do Mtodo Simplex.
A soluo bsica vivel x = [0 0 0 2 5 6]
T
e a z = 0. Seja A a matriz dada em (57).

2 1 1 1 0 0 2
1 2 3 0 1 0 5
2 2 1 0 0 1 6
-3 -1 -3 0 0 0 0

Observando esta matriz, vimos que as variveis no-bsicas x1 e x3 ao entrarem na base
conduziro maior diminuio na funo objetivo. Escolhamos a varivel x1 para entrar na
base. Ao fazermos isto, precisamos agora escolher qual varivel bsica deixar a base com a
condio de que a viabilidade da soluo bsica seja mantida. Isto pode ser feito tomando o
menor valor do y
i0
/a
i1
, para i = 1, 2 ou 3. Efetuando as contas obtemos respectivamente os
valores 2/2, 5/1 e 6/2. Logo, o menor resultado corresponde ao elemento a
11
que conduz a
retirar da base a varivel x
4
. Assim, faamos ento a introduo de x
1
e retirada de x
4
.

A(1,:)=A(1,:)/A(1,1)
1.0000 0.5000 0.5000 0.5000 0 0 1.0000
1.0000 2.0000 3.0000 0 1.0000 0 5.0000
2.0000 2.0000 1.0000 0 0 1.0000 6.0000
-3.0000 -1.0000 -3.0000 0 0 0 0

A(2,:)=A(2,:)-A(1,:)*A(2,1)/A(1,1)


1.0000 0.5000 0.5000 0.5000 0 0 1.0000
0 1.5000 2.5000 -0.5000 1.0000 0 4.0000
2.0000 2.0000 1.0000 0 0 1.0000 6.0000
-3.0000 -1.0000 -3.0000 0 0 0 0

A(3,:)=A(3,:)-A(1,:)*A(3,1)/A(1,1)
1.0000 0.5000 0.5000 0.5000 0 0 1.0000
0 1.5000 2.5000 -0.5000 1.0000 0 4.0000
0 1.0000 0 -1.0000 0 1.0000 4.0000
-3.0000 -1.0000 -3.0000 0 0 0 0

A(4,:)=A(4,:)-A(1,:)*A(4,1)/A(1,1)
1.0000 0.5000 0.5000 0.5000 0 0 1.0000
0 1.5000 2.5000 -0.5000 1.0000 0 4.0000
0 1.0000 0 -1.0000 0 1.0000 4.0000
0 0.5000 -1.5000 1.5000 0 0 3.0000

Continuando o processo, verificamos que a varivel x
3
ao entrar na base ela provocar uma
diminuio na funo objetivo. Ao dividirmos 1/0.5 e 4/2.5, verificamos que o menor resultado
4/2.5, o que corresponde a introduzir x
3
na base e retirar x
5
. Faamos ento as operaes.

A(1,:)=A(1,:)-A(2,:)*A(1,3)/A(2,3)
1.0000 0.2000 0 0.6000 -0.2000 0 0.2000
0 0.6000 1.0000 -0.2000 0.4000 0 1.6000


0 1.0000 0 -1.0000 0 1.0000 4.0000
0 0.5000 -1.5000 1.5000 0 0 3.0000

A(4,:)=A(4,:)-A(2,:)*A(4,3)/A(2,3)
1.0000 0.2000 0 0.6000 -0.2000 0 0.2000
0 0.6000 1.0000 -0.2000 0.4000 0 1.6000
0 1.0000 0 -1.0000 0 1.0000 4.0000
0 1.4000 0 1.2000 0.6000 0 5.4000

Como no h mais nenhum resduo negativo, significa que impossvel reduzir a funo
objetivo dentro do espao vivel. Logo, a soluo tima x = [0.2 0.0 1.6 0.0 0.0 4.0]
T
. Este
valor corresponde ao valor da funo objetivo original igual a z* = 3*0.2 + 1*0.0 + 3*1.6 = 5.4.


Exerccio:
0 x , x , x , x , x
18 x 0 x 9 0x + x 1 + x 3
30 x 2 x 3 0x + x 1 + x 2
10 x 3 x 4 5x + x 1 + x 0 : a sujeito
x 5 x 0 1 x + x 2 + x 4 = z Maximize
5 4 3 2 1
5 4 3 2 1
5 4 3 2 1
5 4 3 2 1
5 4 3 2 1
>
s + +
s + +
s + +
+ +

0 x , x , x , x , x
6 x 1 x 9 1x + x 1 + x 3
30 x 2 x 3 5x + x 1 + x 2
10 x 3 x 2 5x + x 1 + x 0 : a sujeito
x 5 x 14 x + x + x 2 = z Maximize
5 4 3 2 1
5 4 3 2 1
5 4 3 2 1
5 4 3 2 1
5 4 3 2 1
>
s + +
s + +
s + +
+ +


Variveis Artificiais
Para alguns tipos de problemas de programao linear, a soluo bsica vivel inicial nem
sempre visvel. Dessa forma so necessrios procedimentos para determin-la, uma vez
que o mtodo Simplex precisa desta condio para ser iniciado. Para isso recorre-se ao uso
da tcnica das variveis artificiais.

A tcnica das variveis artificiais consiste em construir um problema auxiliar introduzindo uma
nova varivel, chamada varivel artificial, em cada uma das restries onde no foi possvel
adicionar uma varivel de folga, sendo esta tomada como varivel bsica para essa equao.
Desta forma fica garantida a existncia de uma varivel bsica em cada equao e a
possibilidade de identificar uma soluo bsica vivel (SBV ) inicial.

Considere o problema da forma

Ax = b
x > 0 e b > 0 (58)

De forma a encontrar uma soluo para (58) considere o problema de minimizao (artificial)
minimize
=
m
i
i
y
1

sujeito a Ax + y = b
x > 0
y > 0 (59)


onde y = (y
1
, y
2
, , y
m
) um vetor de variveis artificiais.

Se h uma soluo vivel para (58), ento o problema (59) tem um valor mnimo y = 0.
Se (58) no tem uma soluo vivel, ento o valor mnimo de (59) maior que zero.

O problema (59) est na forma padro, adequada ao Simplex, pois a soluo vivel bsica
y = b. Usando as tcnicas do mtodo Simplex possvel obter uma soluo vivel bsica em
cada passo. Se o valor mnimo de (59) zero, ento a soluo bsica final ter todos os y
i
= 0
e no ter nenhuma varivel bsica y
i
.

Mtodo das duas fases

Nesse mtodo o problema de Programao Linear resolvido em duas fases:

1 Fase:
Constri-se um novo problema auxiliar (introduzindo variveis artificiais) com o objetivo de
obter uma SBV inicial para o problema original (se isto for possvel).

2 Fase:
Tomando como SBV (Soluo Bsica Vivel) inicial a soluo obtida na 1 Fase, aplica o
algoritmo Simplex, para determinar a soluo tima. Durante essa fase, as variveis artificiais
e a funo objetivo da 1 Fase so omitidas.


Para esse mtodo tem-se:
1. Qualquer SBV do problema auxiliar uma SBV do problema original se as variveis
artificiais da soluo so nulas.
2. Obtm-se uma SBV com as variveis artificiais iguais a zero se e s se o valor da f.o.
artificial igual a zero (z' = 0).
3. A aplicao do algoritmo Simplex eliminar da base os vetores artificiais (caso o
problema no seja impossvel), pois as variveis iniciais (no artificiais) tm coeficientes
nulos na f.o. artificial que se pretende minimizar.

No fim da 1 fase, em que se atingiu a soluo tima do problema auxiliar, est-se perante
uma das seguintes situaes:

1. Todos os vetores artificiais foram eliminados da base e z' = 0.
Neste caso, obtm-se uma SBV do problema original. Passa-se diretamente 2 fase do
mtodo Simplex.

2. Ainda subsistem vetores artificiais na base.
Existem duas alternativas:
z' > 0: existe pelo menos uma varivel artificial bsica com valor estritamente positivo o
conjunto K vazio, o problema impossvel.
z' = 0: todas as variveis artificiais so nulas Obtm-se ou uma SBV inicial degenerada ou
uma restrio redundante. Veja o fluxograma a seguir.


2. Ainda subsistem vetores artificiais na base e z' = 0
Existe pelo menos um vetor no
artificial fora da base que pode
substituir um vetor artificial
procede-se sua substituio
obtm-se uma SBV inicial degenerada
para o problema original
No existe nenhum vetor no
artificial fora da base que pode
substituir um vetor artificial
existem restries redundantes
Eliminam-se do quadro simplex as
linhas correspondentes s variveis
artificiais bsicas e obtm-se uma
SBV inicial para o problema original

Figura 01: Aspectos de resoluo do Mtodo das 2 Fases

PS: Geralmente, num problema que apresenta inequaes cujas restries so do tipo >
torna-se necessria a incluso de variveis artificiais.


Exerccios: Resolva os seguintes problemas via mtodo Simplex:
Problema 1:
0 x , x , x
6 x x 2 x 2
5 x 2 x 2 x 3
6 x 3 x x : a sujeito
x 4 x 2 x imize max
3 2 1
3 2 1
3 2 1
3 2 1
3 2 1
>
s +
s + +
s + +
+ +
(60)

Problema 2:
0 x , x , x
2 x x 2 x 2
5 x 3 x 2 x
x 3 x x 3 imize max
3 2 1
3 2 1
3 2 1
3 2 1
3 2 1
>
> + +
= + +
s + +
+ +
(61)


Problema 3:
3 x
1 x
0 x
6 x x 2 x 2
5 x 3 x 2 x
x 3 x x 3 imize max
3
2
1
3 2 1
3 2 1
3 2 1
3 2 1
s
>
>
s + +
s + +
s + +
+ +
(62)

Problema 4:
0 x , x
6 x x 2 x 2
5 x 3 x 2 x
x 3 x x 3 imize min
3 1
3 2 1
3 2 1
3 2 1
3 2 1
>
= + +
s + +
s + +
+ +
(63)


Exerccios: Resolva os seguintes problemas via mtodo Simplex:
Problema 1:
0 x , x , x
6 x x 2 x 2
5 x 2 x 2 x 3
6 x 3 x x : a sujeito
x 4 x 2 x imize max
3 2 1
3 2 1
3 2 1
3 2 1
3 2 1
>
s +
s + +
s + +
+ +

Soluo: Para se aplicar o mtodo Simplex, devemos: i) transformar o problema de
maximizao em minimizao; ii) para cada equao de restrio com sinal de menor ou
igual, acrescentar uma varivel de folga. Isto nos permite escrever a seguinte tabela
SIMPLEX:

0 0 0 0 4 2 1
6 1 0 0 1 2 2
5 0 1 0 2 2 3
6 0 0 1 3 1 1


b(1,:)=b(1,:)/b(1,3) Escolha do elemento piv (6/3; 5/2; 6/1) elemento b(1,3)
0.3333 0.3333 1.0000 0.3333 0.0000 0.0000 2.0000
3.0000 2.0000 2.0000 0.0000 1.0000 0.0000 5.0000
2.0000 -2.0000 1.0000 0.0000 0.0000 1.0000 6.0000
-1.0000 -2.0000 -4.0000 0.0000 0.0000 0.0000 0.0000

b(2,:)=b(2,:)-b(1,:)*b(2,3)/b(1,3)
0.3333 0.3333 1.0000 0.3333 0.0000 0.0000 2.0000
2.3333 1.3333 0.0000 -0.6667 1.0000 0.0000 1.0000
2.0000 -2.0000 1.0000 0.0000 0.0000 1.0000 6.0000
-1.0000 -2.0000 -4.0000 0.0000 0.0000 0.0000 0.0000

b(3,:)=b(3,:)-b(1,:)*b(3,3)/b(1,3)
0.3333 0.3333 1.0000 0.3333 0.0000 0.0000 2.0000
2.3333 1.3333 0.0000 -0.6667 1.0000 0.0000 1.0000
1.6667 -2.3333 0.0000 -0.3333 0.0000 1.0000 4.0000
-1.0000 -2.0000 -4.0000 0.0000 0.0000 0.0000 0.0000

b(4,:)=b(4,:)-b(1,:)*b(4,3)/b(1,3)
0.3333 0.3333 1.0000 0.3333 0.0000 0.0000 2.0000
2.3333 1.3333 0.0000 -0.6667 1.0000 0.0000 1.0000
1.6667 -2.3333 0.0000 -0.3333 0.0000 1.0000 4.0000
0.3333 -0.6667 0.0000 1.3333 0.0000 0.0000 8.0000


b(2,:)=b(2,:)/b(2,2) Escolha do elemento piv (2/0.3333; 1/1.333) elemento b(2,2)
0.3333 0.3333 1.0000 0.3333 0.0000 0.0000 2.0000
1.7500 1.0000 0.0000 -0.5000 0.7500 0.0000 0.7500
1.6667 -2.3333 0.0000 -0.3333 0.0000 1.0000 4.0000
0.3333 -0.6667 0.0000 1.3333 0.0000 0.0000 8.0000

b(1,:)=b(1,:)-b(2,:)*b(1,2)/b(2,2)
-0.2500 0.0000 1.0000 0.5000 -0.2500 0.0000 1.7500
1.7500 1.0000 0.0000 -0.5000 0.7500 0.0000 0.7500
1.6667 -2.3333 0.0000 -0.3333 0.0000 1.0000 4.0000
0.3333 -0.6667 0.0000 1.3333 0.0000 0.0000 8.0000

b(3,:)=b(3,:)-b(2,:)*b(3,2)/b(2,2)
-0.2500 0.0000 1.0000 0.5000 -0.2500 0.0000 1.7500
1.7500 1.0000 0.0000 -0.5000 0.7500 0.0000 0.7500
5.7500 0.0000 0.0000 -1.5000 1.7500 1.0000 5.7500
0.3333 -0.6667 0.0000 1.3333 0.0000 0.0000 8.0000

b(4,:)=b(4,:)-b(2,:)*b(4,2)/b(2,2)
-0.2500 0.0000 1.0000 0.5000 -0.2500 0.0000 1.7500
1.7500 1.0000 0.0000 -0.5000 0.7500 0.0000 0.7500
5.7500 0.0000 0.0000 -1.5000 1.7500 1.0000 5.7500


1.5000 0.0000 0.0000 1.0000 0.5000 0.0000 8.5000

Logo, a soluo x = [0.0000, 0.7500, 1.7500]
T
com z* = 8.5000.


Problema 2:
0 x , x , x
2 x x 2 x 2
5 x 3 x 2 x
x 3 x x 3 imize max
3 2 1
3 2 1
3 2 1
3 2 1
3 2 1
>
> + +
= + +
s + +
+ +

Soluo: Para o sinal de menor ou igual vamos acrescentar uma varivel de folga e para o
sinal de maior ou igual vamos acrescentar uma varivel de excesso. Alm disto, este
problema no possui uma soluo vivel bsica. Logo, teremos que resolv-lo usando o
procedimento das duas etapas. Assim, a tabela para este problema na primeira etapa ficar:

0 1 1 1 0 0 0 0 0
2 1 0 0 1 0 1 2 2
5 0 1 0 0 0 3 2 1
6 0 0 1 0 1 1 1 2


b(4,:) = b(4,:)-b(1,:)-b(2,:) - b(3,:)
2 1 1 1 0 1 0 0 6
1 2 3 0 0 0 1 0 5
2 2 1 0 -1 0 0 1 2
-5 -5 -5 -1 1 0 0 0 -13

>> b(3,:)=b(3,:)/b(3,1)
2.0000 1.0000 1.0000 1.0000 0.0000 1.0000 0.0000 0.0000 6.0000
1.0000 2.0000 3.0000 0.0000 0.0000 0.0000 1.0000 0.0000 5.0000
1.0000 1.0000 0.5000 0.0000 -0.5000 0.0000 0.0000 0.5000 1.0000
-5.0000 -5.0000 -5.0000 -1.0000 1.0000 0.0000 0.0000 0.0000 -13.0000

>> b(1,:)=b(1,:)-b(3,:)*b(1,1)/b(3,1)
0.0000 -1.0000 0.0000 1.0000 1.0000 1.0000 0.0000 -1.0000 4.0000
1.0000 2.0000 3.0000 0.0000 0.0000 0.0000 1.0000 0.0000 5.0000
1.0000 1.0000 0.5000 0.0000 -0.5000 0.0000 0.0000 0.5000 1.0000
-5.0000 -5.0000 -5.0000 -1.0000 1.0000 0.0000 0.0000 0.0000 -13.0000

>> b(2,:)=b(2,:)-b(3,:)*b(2,1)/b(3,1)

0.0000 -1.0000 0.0000 1.0000 1.0000 1.0000 0.0000 -1.0000 4.0000
0.0000 1.0000 2.5000 0.0000 0.5000 0.0000 1.0000 -0.5000 4.0000
1.0000 1.0000 0.5000 0.0000 -0.5000 0.0000 0.0000 0.5000 1.0000
-5.0000 -5.0000 -5.0000 -1.0000 1.0000 0.0000 0.0000 0.0000 -13.0000


>> b(4,:)=b(4,:)-b(3,:)*b(4,1)/b(3,1)
0.0000 -1.0000 0.0000 1.0000 1.0000 1.0000 0.0000 -1.0000 4.0000
0.0000 1.0000 2.5000 0.0000 0.5000 0.0000 1.0000 -0.5000 4.0000
1.0000 1.0000 0.5000 0.0000 -0.5000 0.0000 0.0000 0.5000 1.0000
0.0000 0.0000 -2.5000 -1.0000 -1.5000 0.0000 0.0000 2.5000 -8.0000

>> b(3,:)=b(3,:)-b(2,:)*b(3,3)/b(2,3)
0.0000 -1.0000 0.0000 1.0000 1.0000 1.0000 0.0000 -1.0000 4.0000
0.0000 0.4000 1.0000 0.0000 0.2000 0.0000 0.4000 -0.2000 1.6000
1.0000 0.8000 0.0000 0.0000 -0.6000 0.0000 -0.2000 0.6000 0.2000
0.0000 0.0000 -2.5000 -1.0000 -1.5000 0.0000 0.0000 2.5000 -8.0000

>> b(4,:)=b(4,:)-b(2,:)*b(4,3)/b(2,3)
0.0000 -1.0000 0.0000 1.0000 1.0000 1.0000 0.0000 -1.0000 4.0000
0.0000 0.4000 1.0000 0.0000 0.2000 0.0000 0.4000 -0.2000 1.6000
1.0000 0.8000 0.0000 0.0000 -0.6000 0.0000 -0.2000 0.6000 0.2000
0.0000 1.0000 0.0000 -1.0000 -1.0000 0.0000 1.0000 2.0000 -4.0000

>> b(4,:)=b(4,:)-b(1,:)*b(4,4)/b(1,4)
0.0000 -1.0000 0.0000 1.0000 1.0000 1.0000 0.0000 -1.0000 4.0000
0.0000 0.4000 1.0000 0.0000 0.2000 0.0000 0.4000 -0.2000 1.6000
1.0000 0.8000 0.0000 0.0000 -0.6000 0.0000 -0.2000 0.6000 0.2000
0.0000 0.0000 0.0000 0.0000 0.0000 1.0000 1.0000 1.0000 0.0000


Logo, a soluo bsica vivel x = [0.2 0.0 1.6 4.0 0.0]. Agora, o prximo passo a
construo da tabela Simplex para a etapa 2. Para isto, recuperamos os valores que nos
interessam e acrescentamos no lugar da ltima linha os valores correspondentes ao vetor c=
[-3 -1 -3 0 0] para o problema de minimizao.

0.0000 -1.0000 0.0000 1.0000 1.0000 4.0000
0.0000 0.4000 1.0000 0.0000 0.2000 1.6000
1.0000 0.8000 0.0000 0.0000 -0.6000 0.2000
-3.0000 -1.0000 -3.0000 0.0000 0.0000 0.0000

Fazemos agora a eliminao dos termos da ltima linha abaixo das variveis bsicas:

>> d(4,:)=d(4,:)-d(3,:)*d(4,1)/d(3,1)
0.0000 -1.0000 0.0000 1.0000 1.0000 4.0000
0.0000 0.4000 1.0000 0.0000 0.2000 1.6000
1.0000 0.8000 0.0000 0.0000 -0.6000 0.2000
0.0000 1.4000 -3.0000 0.0000 -1.8000 0.6000

>> d(4,:)=d(4,:)-d(2,:)*d(4,3)/d(2,3)
0.0000 -1.0000 0.0000 1.0000 1.0000 4.0000
0.0000 0.4000 1.0000 0.0000 0.2000 1.6000
1.0000 0.8000 0.0000 0.0000 -0.6000 0.2000
0.0000 2.6000 0.0000 0.0000 -1.2000 5.4000


>> d(2,:)=d(2,:)-d(1,:)*d(2,5)/d(1,5)
0.0000 -1.0000 0.0000 1.0000 1.0000 4.0000
0.0000 0.6000 1.0000 -0.2000 0.0000 0.8000
1.0000 0.8000 0.0000 0.0000 -0.6000 0.2000
0.0000 2.6000 0.0000 0.0000 -1.2000 5.4000

>> d(3,:)=d(3,:)-d(1,:)*d(3,5)/d(1,5)
0.0000 -1.0000 0.0000 1.0000 1.0000 4.0000
0.0000 0.6000 1.0000 -0.2000 0.0000 0.8000
1.0000 0.2000 0.0000 0.6000 0.0000 2.6000
0.0000 2.6000 0.0000 0.0000 -1.2000 5.4000

>> d(4,:)=d(4,:)-d(1,:)*d(4,5)/d(1,5)
0.0000 -1.0000 0.0000 1.0000 1.0000 4.0000
0.0000 0.6000 1.0000 -0.2000 0.0000 0.8000
1.0000 0.2000 0.0000 0.6000 0.0000 2.6000
0.0000 1.4000 0.0000 1.2000 0.0000 10.2000

Logo, a soluo para o problema original x = [2.60 0.00 0.80], o que conduz a z = 10.20.


Problema 3: VERIFICAR ESTE PROBLEMA COM PIV NA COLUNA COM -3 (1.)
3 x
1 x
0 x
6 x x 2 x 2
5 x 3 x 2 x
x 3 x x 3 imize max
3
2
1
3 2 1
3 2 1
3 2 1
3 2 1
s
>
>
s + +
s + +
s + +
+ +
(64)

Soluo: Para o sinal de menor ou igual vamos acrescentar uma varivel de folga para cada
uma das equaes. Para o limite inferior, vamos fazer x
2
= x
2
+ 1 e para o limite superior
vamos fazer x
3
+ x
3
= 3. A forma correta e vlida para todos os casos substituir x
2
em todo
o problema por x
2
= x
2
+ 1 e x
3
por x
3
= 3 - x
3
. No entanto, tendo em vista que este problema
de maximizao e o coeficiente de x
3
positivo, logo, interessam valores no negativos de
x
3
. No caso de x
2
, o limite inferior positivo, logo, x
2
por esta equao somente ter valores
positivos. Estas consideraes nos permitem ento tratar este problema de uma outra forma,
mais fcil que acrescentando duas equaes ao conjunto de restries ao invs de
fazermos a substituio (Como exerccio para casa, sugerimos aos alunos resolver este


problema substituindo estas variveis e comparar o resultado com o que ser obtido a seguir).
Fazendo se isto, teremos o seguinte quadro Simplex:

2 1 1 1 0 0 0 0 2
1 2 3 0 1 0 0 0 5
2 2 1 0 0 1 0 0 6
0 1 0 0 0 0 -1 0 1
0 0 1 0 0 0 0 1 3
-3 -1 -3 0 0 0 0 0 0

possvel identificar uma soluo vivel bsica se consideramos o elemento b(4,2) como
elemento piv. Com isto no precisamos fazer as duas etapas.

>> b(1,:)=b(1,:) -b(4,:)

2 0 1 1 0 0 1 0 1
1 2 3 0 1 0 0 0 5
2 2 1 0 0 1 0 0 6
0 1 0 0 0 0 -1 0 1
0 0 1 0 0 0 0 1 3
-3 -1 -3 0 0 0 0 0 0


>> b(2,:)=b(2,:)-2*b(4,:)
2 0 1 1 0 0 1 0 1
1 0 3 0 1 0 2 0 3
2 2 1 0 0 1 0 0 6
0 1 0 0 0 0 -1 0 1
0 0 1 0 0 0 0 1 3
-3 -1 -3 0 0 0 0 0 0

>> b(3,:)=b(3,:)-2*b(4,:)
2 0 1 1 0 0 1 0 1
1 0 3 0 1 0 2 0 3
2 0 1 0 0 1 2 0 4
0 1 0 0 0 0 -1 0 1
0 0 1 0 0 0 0 1 3
-3 -1 -3 0 0 0 0 0 0

>> b(6,:)=b(6,:)+b(4,:)
2 0 1 1 0 0 1 0 1
1 0 3 0 1 0 2 0 3
2 0 1 0 0 1 2 0 4
0 1 0 0 0 0 -1 0 1
0 0 1 0 0 0 0 1 3
-3 0 -3 0 0 0 -1 0 1


>> b(1,:)=b(1,:)/b(1,1)
1.0000 0.0000 0.5000 0.5000 0.0000 0.0000 0.5000 0.0000 0.5000
1.0000 0.0000 3.0000 0.0000 1.0000 0.0000 2.0000 0.0000 3.0000
2.0000 0.0000 1.0000 0.0000 0.0000 1.0000 2.0000 0.0000 4.0000
0.0000 1.0000 0.0000 0.0000 0.0000 0.0000 -1.0000 0.0000 1.0000
0.0000 0.0000 1.0000 0.0000 0.0000 0.0000 0.0000 1.0000 3.0000
-3.0000 0.0000 -3.0000 0.0000 0.0000 0.0000 -1.0000 0.0000 1.0000

>> b(2,:)=b(2,:) -b(1,:)*b(2,1)
1.0000 0.0000 0.5000 0.5000 0.0000 0.0000 0.5000 0.0000 0.5000
0.0000 0.0000 2.5000 -0.5000 1.0000 0.0000 1.5000 0.0000 2.5000
2.0000 0.0000 1.0000 0.0000 0.0000 1.0000 2.0000 0.0000 4.0000
0.0000 1.0000 0.0000 0.0000 0.0000 0.0000 -1.0000 0.0000 1.0000
0.0000 0.0000 1.0000 0.0000 0.0000 0.0000 0.0000 1.0000 3.0000
-3.0000 0.0000 -3.0000 0.0000 0.0000 0.0000 -1.0000 0.0000 1.0000

>> b(3,:)=b(3,:) -b(1,:)*b(3,1)
1.0000 0.0000 0.5000 0.5000 0.0000 0.0000 0.5000 0.0000 0.5000
0.0000 0.0000 2.5000 -0.5000 1.0000 0.0000 1.5000 0.0000 2.5000
0.0000 0.0000 0.0000 -1.0000 0.0000 1.0000 1.0000 0.0000 3.0000
0.0000 1.0000 0.0000 0.0000 0.0000 0.0000 -1.0000 0.0000 1.0000
0.0000 0.0000 1.0000 0.0000 0.0000 0.0000 0.0000 1.0000 3.0000
-3.0000 0.0000 -3.0000 0.0000 0.0000 0.0000 -1.0000 0.0000 1.0000


>> b(6,:)=b(6,:) -b(1,:)*b(6,1)
1.0000 0.0000 0.5000 0.5000 0.0000 0.0000 0.5000 0.0000 0.5000
0.0000 0.0000 2.5000 -0.5000 1.0000 0.0000 1.5000 0.0000 2.5000
0.0000 0.0000 0.0000 -1.0000 0.0000 1.0000 1.0000 0.0000 3.0000
0.0000 1.0000 0.0000 0.0000 0.0000 0.0000 -1.0000 0.0000 1.0000
0.0000 0.0000 1.0000 0.0000 0.0000 0.0000 0.0000 1.0000 3.0000
0.0000 0.0000 -1.5000 1.5000 0.0000 0.0000 0.5000 0.0000 2.5000

>> b(2,:)=b(2,:)/b(2,3)
1.0000 0.0000 0.5000 0.5000 0.0000 0.0000 0.5000 0.0000 0.5000
0.0000 0.0000 1.0000 -0.2000 0.4000 0.0000 0.6000 0.0000 1.0000
0.0000 0.0000 0.0000 -1.0000 0.0000 1.0000 1.0000 0.0000 3.0000
0.0000 1.0000 0.0000 0.0000 0.0000 0.0000 -1.0000 0.0000 1.0000
0.0000 0.0000 1.0000 0.0000 0.0000 0.0000 0.0000 1.0000 3.0000
0.0000 0.0000 -1.5000 1.5000 0.0000 0.0000 0.5000 0.0000 2.5000

>> b(1,:)=b(1,:)-b(2,:)*b(1,3)
1.0000 0.0000 0.0000 0.6000 -0.2000 0.0000 0.2000 0.0000 0.0000
0.0000 0.0000 1.0000 -0.2000 0.4000 0.0000 0.6000 0.0000 1.0000
0.0000 0.0000 0.0000 -1.0000 0.0000 1.0000 1.0000 0.0000 3.0000
0.0000 1.0000 0.0000 0.0000 0.0000 0.0000 -1.0000 0.0000 1.0000
0.0000 0.0000 1.0000 0.0000 0.0000 0.0000 0.0000 1.0000 3.0000
0.0000 0.0000 -1.5000 1.5000 0.0000 0.0000 0.5000 0.0000 2.5000


>> b(5,:)=b(5,:)-b(2,:)*b(5,3)
1.0000 0.0000 0.0000 0.6000 -0.2000 0.0000 0.2000 0.0000 0.0000
0.0000 0.0000 1.0000 -0.2000 0.4000 0.0000 0.6000 0.0000 1.0000
0.0000 0.0000 0.0000 -1.0000 0.0000 1.0000 1.0000 0.0000 3.0000
0.0000 1.0000 0.0000 0.0000 0.0000 0.0000 -1.0000 0.0000 1.0000
0.0000 0.0000 0.0000 0.2000 -0.4000 0.0000 -0.6000 1.0000 2.0000
0.0000 0.0000 -1.5000 1.5000 0.0000 0.0000 0.5000 0.0000 2.5000

>> b(6,:)=b(6,:)-b(2,:)*b(6,3)
1.0000 0.0000 0.0000 0.6000 -0.2000 0.0000 0.2000 0.0000 0.0000
0.0000 0.0000 1.0000 -0.2000 0.4000 0.0000 0.6000 0.0000 1.0000
0.0000 0.0000 0.0000 -1.0000 0.0000 1.0000 1.0000 0.0000 3.0000
0.0000 1.0000 0.0000 0.0000 0.0000 0.0000 -1.0000 0.0000 1.0000
0.0000 0.0000 0.0000 0.2000 -0.4000 0.0000 -0.6000 1.0000 2.0000
0.0000 0.0000 0.0000 1.2000 0.6000 0.0000 1.4000 0.0000 4.0000

Como todos os custos reduzidos so positivos, a soluo tima x = [0 1 1 0 0 3 0 2].
Como o vetor c = [ 3 1 3 0 0 0 0 0], temos que z* = c*x = 4.

Outra soluo:
>> b(1,:)=b(1,:)/b(1,3)
2.0000 0.0000 1.0000 1.0000 0.0000 0.0000 1.0000 0.0000 1.0000
0.0000 0.0000 2.5000 -0.5000 1.0000 0.0000 1.5000 0.0000 2.5000
0.0000 0.0000 0.0000 -1.0000 0.0000 1.0000 1.0000 0.0000 3.0000


0.0000 1.0000 0.0000 0.0000 0.0000 0.0000 -1.0000 0.0000 1.0000
0.0000 0.0000 1.0000 0.0000 0.0000 0.0000 0.0000 1.0000 3.0000
0.0000 0.0000 -1.5000 1.5000 0.0000 0.0000 0.5000 0.0000 2.5000

>> b(2,:)=b(2,:)-b(1,:)*b(2,3)
2.0000 0.0000 1.0000 1.0000 0.0000 0.0000 1.0000 0.0000 1.0000
-5.0000 0.0000 0.0000 -3.0000 1.0000 0.0000 -1.0000 0.0000 0.0000
0.0000 0.0000 0.0000 -1.0000 0.0000 1.0000 1.0000 0.0000 3.0000
0.0000 1.0000 0.0000 0.0000 0.0000 0.0000 -1.0000 0.0000 1.0000
0.0000 0.0000 1.0000 0.0000 0.0000 0.0000 0.0000 1.0000 3.0000
0.0000 0.0000 -1.5000 1.5000 0.0000 0.0000 0.5000 0.0000 2.5000

>> b(5,:)=b(5,:)-b(1,:)*b(5,3)
2.0000 0.0000 1.0000 1.0000 0.0000 0.0000 1.0000 0.0000 1.0000
-5.0000 0.0000 0.0000 -3.0000 1.0000 0.0000 -1.0000 0.0000 0.0000
0.0000 0.0000 0.0000 -1.0000 0.0000 1.0000 1.0000 0.0000 3.0000
0.0000 1.0000 0.0000 0.0000 0.0000 0.0000 -1.0000 0.0000 1.0000
-2.0000 0.0000 0.0000 -1.0000 0.0000 0.0000 -1.0000 1.0000 2.0000
0.0000 0.0000 -1.5000 1.5000 0.0000 0.0000 0.5000 0.0000 2.5000

>> b(6,:)=b(6,:)-b(1,:)*b(6,3)
2 0 1 1 0 0 1 0 1
-5 0 0 -3 1 0 -1 0 0
0 0 0 -1 0 1 1 0 3


0 1 0 0 0 0 -1 0 1
-2 0 0 -1 0 0 -1 1 2
3 0 0 3 0 0 2 0 4

>> x = [0 1 1 0 0 3 0 2]
>> c = [3 1 3 0 0 0 0 0]

>> z=c*x' = 4 como antes. Observe que o ponto encontrado o mesmo.


SOLUCIONANDO O PROBLEMA 3 COM SUBSTITUIO DAS VARIVEIS COM LIMITES
SUPERIOR E INFERIOR

3 x
1 x
0 x
6 x x 2 x 2
5 x 3 x 2 x
x 3 x x 3 imize max
3
2
1
3 2 1
3 2 1
3 2 1
3 2 1
s
>
>
s + +
s + +
s + +
+ +
(65)

Soluo: Para o sinal de menor ou igual vamos acrescentar uma varivel de folga para cada
uma das equaes.

2 1 1 1 0 0 2
1 2 3 0 1 0 5
2 2 1 0 0 1 6


Para o limite inferior, vamos substituir x
2
por x
2
+ 1. Isto implica em manter a coluna a
2
e fazer
a
7
=a
7
-a
2
.

2 1 1 1 0 0 1
1 2 3 0 1 0 3
2 2 1 0 0 1 4

Para o limite superior substitumos x
3
por 3-x
3
. Isto equivale a multiplicar a coluna a
3
por -1 e
a fazer a
7
=a
7
-3a
3
.

2 1 -1 1 0 0 -2
1 2 -3 0 1 0 -6
2 2 -1 0 0 1 1

Como h valores negativos na ltima coluna, necessrio multiplicar por -1 as linhas 1 e 2
para se evitar este fato, em de acordo com a teoria.

-2 -1 1 -1 0 0 2
-1 -2 3 0 -1 0 6
2 2 -1 0 0 1 1


Este resultado no nos permite identificar uma soluo vivel bsica. Logo, precisamos
resolver este problema com o mtodo das duas etapas. Assim, consideremos a etapa 1,
acrescentando duas colunas e uma linha com os coeficientes da funo objetivo artificial.

-2 -1 1 -1 0 0 1 0 2
-1 -2 3 0 -1 0 0 1 6
2 2 -1 0 0 1 0 0 1
0 0 0 0 0 0 1 1 0

B(4,:)=B(4,:)-B(1,:)-B(2,:)

-2 -1 1 -1 0 0 1 0 2
-1 -2 3 0 -1 0 0 1 6
2 2 -1 0 0 1 0 0 1
3 3 -4 1 1 0 0 0 -8

Como h um resduo negativo na linha 4, a coluna 3, com este resduo negativo, ser nossa
coluna piv. Como os resultados da diviso dos elementos da ltima coluna pelos elementos
positivos da coluna 3 so idnticos a 2, escolhamos a linha 1 como linha piv. Assim, o
elemento a13 ser nosso elemento piv.

B(2,:)=B(2,:)-B(1,:)*B(2,3)


-2 -1 1 -1 0 0 1 0 2
5 1 0 3 -1 0 -3 1 0
2 2 -1 0 0 1 0 0 1
3 3 -4 1 1 0 0 0 -8

B(3,:)=B(3,:)-B(1,:)*B(3,3)
-2 -1 1 -1 0 0 1 0 2
5 1 0 3 -1 0 -3 1 0
0 1 0 -1 0 1 1 0 3
3 3 -4 1 1 0 0 0 -8

B(4,:)=B(4,:)-B(1,:)*B(4,3)

-2 -1 1 -1 0 0 1 0 2
5 1 0 3 -1 0 -3 1 0
0 1 0 -1 0 1 1 0 3
-5 -1 0 -3 1 0 4 0 0

B(2,:)=B(2,:)/B(2,1)
-2.0 -1.0 1.0 -1.0 0.0 0.0 1.0 0.0 2.0
1.0 0.2 0.0 0.6 -0.2 0.0 -0.6 0.2 0.0
0.0 1.0 0.0 -1.0 0.0 1.0 1.0 0.0 3.0
-5.0 -1.0 0.0 -3.0 1.0 0.0 4.0 0.0 0.0


Aps zerar os elementos acima e abaixo do elemento piv, temos:

0.0 -0.6 1.0 0.2 -0.4 0.0 -0.2 0.4 2.0
1.0 0.2 0.0 0.6 -0.2 0.0 -0.6 0.2 0.0
0.0 1.0 0.0 -1.0 0.0 1.0 1.0 0.0 3.0
0.0 0.0 0.0 0.0 0.0 0.0 1.0 1.0 0.0

Podemos observar que chegamos soluo vivel bsica x = [0.0 0.0 2.0 0.0 0.0 3.0]. Vamos
ento comear a segunda etapa, recuperando as partes identificadas na tabela Simplex acima
e inserir uma linha contendo os valores dos coeficientes da funo objetivo. Observe que aps
a substituio das variveis, a funo objetivo fica z = 3x
1
+ x
2
+ 3x
3
= 3x
1
+ (x
2
+1) + 3 (3-x
3
)
= 3x
1
+ x
2
- 3x
3
+ 10. Aps a transformao do problema de maximizao para minimizao,
temos z
min
= - z
max
= -3x
1
- x
2
+ 3x
3
- 10. Assim, substituindo estes coeficientes na ltima
linha e observando que o valor -10 passa para o lado do vetor independente e por isto muda
de sinal, teremos:

0.0 -0.6 1.0 0.2 -0.4 0.0 2.0
1.0 0.2 0.0 0.6 -0.2 0.0 0.0
0.0 1.0 0.0 -1.0 0.0 1.0 3.0
-3.0 -1.0 3.0 0.0 0.0 0.0 10.0

Fazendo as operaes para zerar os elementos da linha 4, abaixo das colunas base 1 e 3,
temos:


>> A(4,:)=A(4,:)-A(2,:)*A(4,1)

0.0 -0.6 1.0 0.2 -0.4 0.0 2.0
1.0 0.2 0.0 0.6 -0.2 0.0 0.0
0.0 1.0 0.0 -1.0 0.0 1.0 3.0
0.0 -0.4 3.0 1.8 -0.6 0.0 10.0

>> A(4,:)=A(4,:)-A(1,:)*A(4,3)
0.0 -0.6 1.0 0.2 -0.4 0.0 2.0
1.0 0.2 0.0 0.6 -0.2 0.0 0.0
0.0 1.0 0.0 -1.0 0.0 1.0 3.0
0.0 1.4 0.0 1.2 0.6 0.0 4.0

Observe que no h nenhum resduo negativo. Logo, a condio de otimalidade satisfeita. A
soluo tima encontrada x = [0 0 2 ]. Como x
2
=x
2
+ 1 e x
3
=3-x
3
, implica que x = [0 1 1],
com z = 4. Observe que a resposta coincide com aquela obtida na soluo anterior.

O algoritmo do Mtodo Simplex
Como dito anteriormente, o mtodo Simplex um algoritmo que possibilita a resoluo de
problemas de programao linear. Est basicamente fundamentado na idia de resolver
repetidas vezes um sistema de equaes lineares para obter uma sucesso de solues
bsicas viveis, cada uma melhor que a anterior, at se chegar soluo vivel bsica
tima.


Figura 02: Fluxograma do algoritmo Simplex

Cada nova soluo bsica vivel obtida substituindo uma varivel bsica por uma varivel
no-bsica. Uma soluo bsica tima quando o valor da funo objetivo a minimizar possui
o menor valor.
Incio
Verifica o critrio de parada?
Passo Iterativo
No
Sim


Identificar uma Soluo Bsica Vivel
Existe uma
soluo bsica
vivel melhor ?
Move-se para a soluo
bsica melhor
Sim
No
FIM !!
A soluo tima.

Figura 03: Fluxograma: Algoritmo Simplex


INCIO
Forma Padro
Identificar uma Soluo Bsica Vivel inicial
Construir o quadro Simplex correspondente
Calcular os custos reduzidos
A soluo
tima?
Critrio de Otimalidade
FIM !!
A soluo tima.
Identificar a varivel no-bsica que entra na base
Critrio de Entrada
timo no finito?
Identificar a varivel bsica
que sai da base
Critrio de Sada
Critrio de timo no finito
FIM !!
O problema no tem
timo finito.
Calcular nova Soluo Bsica Vivel
atualizando o quadro Simplex
Sim
Sim
No
No

Figura 04: Fluxograma Iterativo do Mtodo Simplex

Oaep V10

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Oaep V10

Încărcat de

Drepturi de autor:

Formate disponibile

Prof.

J oo Antnio de Vasconcelos - Departamento deEngenharia Eltrica -UFMG (1)

. Veja a representao na figura abaixo.

. Este problema pode ser re-escrito como:

. Desde que o vetor b

usualmente representa exigncias

o vetor linha correspondente aos coeficientes da funo objetivo, com elementos c

o vetor correspondente s variveis bsicas

S-ar putea să vă placă și