2.

0 Programaes Lineares
A programao linear, no campo da programao matemtica, uma rea da
pesquisa operacional com vasta aplicao em apoio deciso. O termo
programao, tanto linear quanto matemtica, no tem a ver diretamente com
programao de computadores, ou linguagem de programao. Este termo tem
origem em suas aplicaes, originalmente desenvolvido para resolver
problemas industriais. Assim, o termo programao da programao linear
est relacionado ao planejamento de recursos escassos visando atender as
condies operacionais. Estas, por sua vez, so representadas por equaes e
funes lineares.
A aplicao da programao linear em apoio deciso ocorre na condio
que se decide para atingir um objetivo. Este, por sua vez, resultante da
alocao tima dos recursos. Por isso caracterizamos a programao linear
como uma tcnica de otimizao. No problema de otimizao em siderurgia,
por exemplo, buscamos determinar a alocao tima dos recursos de produo
de forma a atender as limitaes de capacidades de cada usina e maximizar o
lucro resultante. Tanto a funo de maximizar o lucro quanto as restries de
capacidade de cada planta so representados por funes lineares. Neste
exemplo, o tomador de deciso pode escolher diversas combinaes de
alocao de seus produtos, no entanto apenas uma combinao a mais
lucrativa. Esta e a combinao tima que maximiza o lucro, uma funo linear,
do problema de programao linear.

Programao linear: equaes e funes so lineares

Embora originalmente o tempo programao de programao linear no tem
a ver diretamente com programao de computadores, os problemas reais no
podem ser resolvidos manualmente, dada a dimenso de problemas reais.
Com a evoluo da tecnologia de hardware e software, os algoritmos de
programao linear so implementados em uma linguagem computacional para
viabilizar a resoluo de problemas reais em menor tempo. A programao
linear, dessa forma, teve seu desenvolvimento junto com o desenvolvimento
dos computadores, a partir da dcada de quarenta.
A programao linear uma das tcnicas mais usadas dentre outras grandes
reas da pesquisa operacional, como simulao, teoria de filas, programao
dinmica, teoria dos jogos. O problema de programao linear foi inventado
pelo matemtico Russo L. Kantorovich em 1939. L. Kantorovich e T.
Koopmans ganharam o prmio Nobel por suas contribuies teoria de

alocao tima de recursos. No entanto, o algoritmo mais utilizado para

resolver problemas de programao linear o simplex e suas variaes (primal
simplex, dual simplex, simplex revisado) formalizados por George Dantzig em
1947 enquanto trabalhava no projeto de computao cientfica de
otimizao SCOOP (Scientific Computation of Optimal Programs) na RAND
(Research and Development) Corporation para a Fora Area Americana.
2.1-Modelos de programao linear
O conceito de modelos de importncia fundamental ao estudarmos pesquisa
operacional. Um modelo uma representao simplificada da realidade. Para criarmos um
modelo de programao linear, precisamos identificar em um problema qual a funo
objetivo, as restries e o tipo de otimizao que desejamos (queremos achar o mximo
ou o mnimo da funo-objetivo?). Veja o exemplo abaixo:
Uma empresa fabrica mesas e cadeiras. O quadro abaixo mostra os recursos consumidos
por unidade de cada produto e os seus lucros.Quantas mesas e cadeiras podem ser
fabricados para se maximizar o lucro?
Unidades Necessrias
Recurso

Mesa

Cadeira

Quantidade Disponvel

Madeira

30

20

310

Metal

10

113

Lucro

A nossa funo objetivo o total de lucro da venda de mesas (M) e cadeiras (C).
Queremos descobrir qual o valor mximo possvel de lucro que podemos obter. Logo,
nossa funo objetivo :
Mx

(Funo-Objetivo)

Agora precisamos analisar as restries. Temos uma quantidade mxima de madeira

disponvel (310) e cada mesa e cada cadeira gastam uma certa quantidade deste material
(30 e 20). Logo, temos uma restrio:
(Restrio 1)
Da mesma forma, existe uma quantidade limitada de metais, o que nos d a segunda
restrio:
(Restrio 2)
Alm disso, sabemos que no podemos fabricar uma quantidade negativa de cadeiras ou
mesas:

Ex:

1-Um vendedor ambulante sabe preparar pastis e cachorros-quentes. Um

cachorro-quente custa o dobro do preo de um pastel. Ele nunca consegue vender
mais do que trs pastis e mais do que quatro cachorros-quentes em um mesmo
dia. Um pastel vem com uma pitada de mostarda e um cachorro-quente com duas
pitadas. Ele s tem disponveis nove pitadas de mostarda para gastar em um nico
dia. Quantos pastis e cachorros-quentes ele deve produzir em um nico dia para
ter o mximo possvel de lucro? Resolva construindo um modelo de programao
linear.

Respostas dos Exerccios

A funo-objetivo :
Mx
(P=Pastel, C=Cachorro-Quente, Z=lucro)
As restries so:

O grfico do Domnio :

O polgono mais escuro que representa os pontos que atendem todas

as restries possui como vrtices os pontos (0,0), (3,0), (3,3), (1,4) e
(0,4). O lucro em (0,0) $0, em (3,0) $3, em (3,3) $9, em (1,4) $9 e
em (0,4) $8. Neste exemplo, no existe apenas um nico ponto que
representa o mximo da funo - existem infinitos pontos. Todos aqueles
que pertencem ao Domnio e esto na reta que liga (3,3) e (1,4) so o
mximo da funo e representam a quantidade ideal de produo de
pastis e cachorros-quentes para o vendedor ambulante. Como o
vendedor ambulante no pode fazer um nmero fracionrio de pastis e
cachorros, quentes, a resposta : 3 pastis e 3 cachorros-quentes ou
ento 1 pastel e 4 cachorros-quentes.

2.2-Tcnicas de soluo para modelos de programao linear com duas

variveis de deciso- mtodo grfico.
2.2.1-Conceito
A programao linear, no campo da programao matemtica, uma
rea da pesquisa operacional com vasta aplicao em apoio deciso. O
termo programao, tanto linear quanto matemtica, no tem a ver
diretamente com programao de computadores, ou linguagem de
programao. Este termo tem origem em suas aplicaes, originalmente
desenvolvido para resolver problemas industriais. Assim, o termo
programao da programao linear est relacionado ao planejamento de
recursos escassos visando atender as condies operacionais. Estas, por sua
vez, so representadas por equaes e funes lineares.
A aplicao da programao linear em apoio deciso ocorre na
condio que se decide para atingir um objetivo. Este, por sua vez,
resultante da alocao tima dos recursos. Por isso caracterizamos a
programao linear como uma tcnica de otimizao.
2.2.2-Grfico do conjunto de solues
Um problema que contenha duas variveis pode ser resolvido
graficamente.
Traa-se um grfico com os seus eixos sendo as variveis

A partir deste grfico traam-se as restries do problema e delimita-se a

regio vivel.
Aps isso, traa-se uma reta com a inclinao da funo objetivo,
buscando retas paralelas a ela que forneam a soluo para o problema

2.2.3-Avaliao do objetivo.
reas de aplicao da programao linear:
Problemas de alocao, ou seja, problemas envolvidos na alocao de
recursos escassos entre fins alternativos, de acordo com algum critrio e
problemas complexos de alocao que no podem ser resolvidos
satisfatoriamente com as tcnicas analticas convencionais.
Exemplo de problema de alocao
Determinao dos produtos a serem fabricados, a composio da
produo, planejada levando em considerao a demanda esperada, a
adequabilidade e as capacidades da produo e facilidades de distribuio, as
diretrizes administrativas, tais como a poltica sobre os produtos levados at o
trmino da linha de produo. Com o objetivo de maximizar os lucros

2.2.4-Mtodo grfico
A partir da modelagem matemtica de um PPL, pode-se encontrar a sua
soluo atravs da interpretao grfica da funo objetivo e das restries
operacionais, desde que o problema possua no mximo duas variveis de
deciso.
Este tipo de soluo no tem aplicao prtica pois os problemas do
mundo real tem sempre muito mais variveis (dezenas, centenas e at
milhares).
No entanto, a soluo grfica nos ajudar a entender os princpios
bsicos do mtodo analtico, chamado de mtodo Simplex, usado para resolver
os modelos de P.Linear.
Porque somente at duas variaveis?
No espao de 2 dimenses uma igualdade representa uma reta.
importante perceber que cada desigualdade representa um semiespao.
Definies importantes
REGIO VIAVL: um conjunto de solues que satisfazem as
restries do problema.
SOLUO VIAVL: uma soluo que pertence soluo vivel.
VRTICES: So os pontos de interseo das restries do problema.

 VRTICES DA REGIO VIAVL: So os pontos de interseo das

restries do problema que fazem parte da regio vivel.
EXEMPLO
Uma empresa fabrica 2 produtos. Na fabricao destes produtos, 3
insumos so crticos: as quantidades de matria prima e a mo de obra
disponveis.

Dada a grande procura, estima-se que todas as unidades a serem

produzidas, dos 2 produtos, podero ser vendidas. O objetivo da empresa
obter o maior lucro possvel com a produo e a venda das unidades dos
produtos 1 e 2.
O modelo de Programao Linear para o exemplo pode ser descrito
como:

4.0- O Mtodo Simplex.

4.1-Apresentao.
O Mtodo Simplex caminha pelos vrtices da regio vivel at encontrar
uma soluo que no possua solues vizinhas melhores que ela. Esta a
soluo tima. A soluo tima pode no existir em dois casos: quando no h
nenhuma soluo vivel para o problema, devido a restries incompatveis; ou
quando no h mximo (ou mnimo), isto , uma ou mais variveis podem
tender a infinito e as restries continuarem sendo satisfeitas, o que fornece
um valor sem limites para a funo objetivo.
O modelo de programao linear pode ser resolvido por um mtodo de
soluo de sistema de equaes lineares. O processo que ser apresentado no
exemplo a seguir, retirado de ANDRADE (2000), bastante intuitivo e tem por
finalidade apresentar a metodologia utilizada pelo mtodo Simplex.
4.2-Descrio do mtodo simples para maximizao
O Mtodo Simplex caminha pelos vrtices da regio vivel at encontrar uma soluo que no
possua solues vizinhas melhores que ela. Esta a soluo tima. A soluo tima pode no
existir em dois casos: quando no h nenhuma soluo vivel para o problema, devido a
restries incompatveis; ou quando no h mximo (ou mnimo), isto , uma ou mais variveis
podem tender a infinito e as restries continuarem sendo satisfeitas, o que fornece um valor
sem limites para a funo objetivo.

O modelo de programao linear pode ser resolvido por um mtodo de soluo de sistema de
equaes lineares. O processo que ser apresentado no exemplo a seguir, retirado de
ANDRADE (2000), bastante intuitivo e tem por finalidade apresentar a metodologia utilizada
pelo mtodo Simplex.
a) Formulao do problema
Uma marcenaria deseja estabelecer uma programao diria de produo. Atualmente, a
oficina faz apenas dois produtos: mesa e armrio, ambos de um s modelo. Para efeito de
simplificao, vamos considerar que a marcenaria tem limitaes em somente dois recursos:
madeira e mo de obra, cujas disponibilidades dirias so mostradas na tabela a seguir.
Recurso Disponibilidade Madeira 12m2
Mo de-obra8 Horas
O processo de produo tal que, para fazer uma mesa a fbrica gasta 2 m2 de madeira e 2
H.h de mo de obra. Para fazer um armrio, a fbrica gasta 3 m2 de madeira e 1 H.h de mo
de obra.
Alm disso, o fabricante sabe que cada mesa d uma margem de contribuio para o lucro de
$ 4 e cada armrio de $ 1. O problema encontrar o programa de produo que maximiza a
margem de contribuio total para o lucro. b) Montagem do modelo As variveis de deciso
envolvidas no problema so:
X2: quantidade a produzir de armrios A funo objetivo :
Lucro: z = 4 x1 + x2 Para as restries, a relao lgica existente :
Utilizao de recurso Disponibilidade
4 - O Mtodo Simplex Pesquisa Operacional

Exerccio
4.3-Soluo de um modulo geral de programao linear pelo metodo
simplex
4.3.1-Problema de minimizao.

4.3.2-O Problema da varivel

4.3.3-O problema da soluo da base inicial
4.3.4-Retorno ao modelo original
4.3.4.1-Mtodo do M grande
O Mtodo do M-Grande, ou Big M, consiste em se acrescentar a funo
objetivo do problema original as variveis artificiais com coeficientes negativos
muito grandes (M) nos casos de maximizao, ou (+M) no caso de
minimizao. Como se quer aperfeioar a funo objetivo, as variveis
artificiais devero ter seus valores reduzidos a zero e sair da base. Se, ao final
das iteraes necessrias de otimizao, for encontrado um valor timo de f
(x), e todas as variveis artificiais estiverem nulas e fora da base, ento este
valor ser o mesmo do problema original, indicando tambm o valor das
variveis de deciso. Caso a soluo tima contenha uma varivel artificial, o
problema e infactvel, apontando que nem todas as variveis artificiais puderam
ser retiradas da base. Contudo, se na soluo, o timo de f (x) conter alguma
varivel artificial na base com valor nulo, significa ento que as equaes nas
quais elas esto presentes so redundantes no sistema, podendo ser
eliminadas. A seguir apresentamos um exemplo de como esse mtodo e
utilizado em problemas manuais. Exemplo 16. Seja o seguinte problema com
duas variveis: min. f (x) = 4x1 + x2 Suj. a: 3x1 + x2 = 3 4x1 + 3x2 6 x1 + 2x2
4 x1, x2 0 Acrescentando duas variveis x3 de sobra e x4 de folga, na
forma de equaes temos: min. f (x) = 4x1 + x2 Suj. a: 3x1 + x2 = 3 4x1 + 3x2
x3 = 6 x1 + 2x2 + x4 = 4 x1, x2, x3, x4 0 A terceira equao tem uma varivel
da folga (x4), mas a primeira e a segunda no tem. Colocamos ento variveis
artificiais Xa1 e Xa2 (esto em maisculo para destacar que se trata de
variveis artificiais) e com os coeficientes M positivos, pois e um problema de
minimizao: min. f (x) = 4x1 + x2 + MXa1 + MXa2 Suj. a: 3x1 + x2 + Xa1 = 3

4x1 + 3x2 x3 + Xa2 = 6 x1 + 2x2 + x4 = 4 x1, x2, x3, x4, Xa1, Xa2, 0 Agora
temos uma soluo bsica inicial dada por (Xa1, Xa2, x4) = (3, 6, 4). Em muitas
obras literrias, M e manipulado algebricamente (no est associado valor
algum `a varivel, usando-a apenas nos clculos), contudo, como e mais usual
a implementao dos problemas na forma computacional, utilizaremos um valor
numrico para M. O valor a ser escolhido deveria ser teoricamente infinito
contudo, na rotina dos clculos em computadores, a interao entre nmeros
muito grandes e outros muito pequenos pode ocasionar erros de
arredondamento. Para evitar que tal fato ocorra, devemos escolher o valor de
M suficientemente grande em relao aos coeficientes da funo objetivo,
sendo assim, no presente caso utilizaremos M = 100, pois os coeficientes de x1
e x2 so respectivamente 4 e 1, ou seja, 100 e grande se comparado `a esses
valores. O sistema em forma de quadros e: Base f (x) x1 x2 x3 Xa1 Xa2 x4 b
Linha min. 1 -4 -1 0 100 100 0 0 (0) Xa1 0 3 1 0 1 0 0 3 (1) Xa2 0 4 3 -1 0 1 0 6
(2) x4 0 1 2 0 0 0 1 4 (3) Tabela 3.13: Dados apresentados na forma de quadro.
Podemos observar no quadro, que a soluo inicial resulta em f (x) = 900 e no
zero como mostrado na linha (0), isto ocorre, pois, os coeficientes de Xa1 e
Xa2 so nulos. Para colocarmos o sistema com essa caracterstica, e torn-lo
consistente, devemos operar com as outras linhas de maneira a anular os
coeficientes das variveis artificiais na funo objetivo. Fazendo-se a linha (1) e
a linha (2) vezes 100 e somando-se a linha (0), obtemos os resultados que
seguem na Tabela 3.14. Como se trata de um problema de minimizao, o
coeficiente de maior valor positivo dever entrar na base, neste caso a varivel
e x1. A razo mnima da condio de viabilidade especifica Xa1 como a
varivel que sai. Aps as operaes pertinentes, temos os resultados da Tabela
3.15. Agora quem dever entrar e x2, saindo Xa2 da base.
4.3.4.2-Mtodo de a funo objetivo auxiliar
4.4-O problema da degenerao
4.5O problema da soluo ilimitada
4.6-Casos de soluo mltiplas
Exerccios
4.7-Analise econmica

Referencias Bibliogrficas
http://www.marcogandra.com.br/2012/08/o-que-e-programacaolinear.html
https://pt.wikibooks.org/wiki/Pesquisa_operacional/Introdu
%C3%A7%C3%A3o_%C3%A0_Programa%C3%A7%C3%A3o_Linear