Professional Documents
Culture Documents
Pesquisa Operacional
Sumrio
Modelagem e limitaes da Programao Linear.
Resoluo Grfica.
Forma padro de um modelo de Programao Linear.
Definies e Teoremas.
Forma cannica de um sistema de equaes lineares.
Mtodo Simplex.
Exerccios
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Programao Linear
Programao Linear:
Preocupao em encontrar a melhor soluo para problemas
associados com modelos lineares.
Modelo de Programao Linear:
Maximizao (ou minimizao) de uma funo objetivo linear com
relao as variveis de deciso do modelo.
Respeitando-se as limitaes (restries) do problema expressas por
um sistema de equaes e inequaes associadas com as variveis de
deciso do modelo.
3
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Modelo
Encontrar nmeros XA, XB, XC tais que:
Max L= 4XA + 2XB +3XC
Sujeito as restries:
TV
horrio
Rdio
Revistas
normal
nobre
Custo
40.000
75.000
30.000
15.000
Clientes
Atingidos
400.000
900.000
500.000
200.000
Mulheres
Atingidas
300.000
400.000
200.000
100.000
10
13
Variveis de deciso:
X1 = operadores trabalhando como instrutores em janeiro
X2 = operadores ociosos em janeiro
X3 = operadores trabalhando como instrutores em fevereiro
X4 = operadores ociosos em fevereiro
X5 = operadores trabalhando como instrutores em maro
X6 = operadores ociosos em maro
Pesquisa Operacional - UNESP / Campus de Guaratinguet
16
17
Pesquisa Operacional - UNESP / Campus de Guaratinguet
20
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Lucro
Produto C
Lucro
10
4
-2
Quantidade
Quantidade
21
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Restries:
2 X1 + 3 X2 16 (disponibilidade de tempo para operao 1)
3 X1 + 4 X2 24 (disponibilidade de tempo para operao 2)
X3 + X4 = 2 X2 (produo do produto C a partir do produto B)
X3 5 (previso de produto C que pode ser vendido)
X1, X2, X3, X4 0 (no-negatividade)
Pesquisa Operacional - UNESP / Campus de Guaratinguet
22
Fresa
Parte 1
03
20
Parte 2
05
15
24
Pesquisa Operacional - UNESP / Campus de Guaratinguet
-X1 + 2X2 30
X1, X2 0 (no-negatividade).
26
Pesquisa Operacional - UNESP / Campus de Guaratinguet
27
29
Pesquisa Operacional - UNESP / Campus de Guaratinguet
5X1 + 3X2 45
3. Restries implcitas de no negatividade:
X1 0
X2 0.
31
Pesquisa Operacional - UNESP / Campus de Guaratinguet
33
34
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Variveis de deciso:
X1: produo semanal de B1 (em dzias).
X2: produo semanal de B2 (em dzias).
Funo Objetivo: Maximizar o Lucro semanal
35
Pesquisa Operacional - UNESP / Campus de Guaratinguet
(Produo total)
X1 - X2 350
(mix)
Xj 0, j = 1,2
(No negatividade)
36
38
Pesquisa Operacional - UNESP / Campus de Guaratinguet
X1
40
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Restrio do plstico
2X1+X2 1000
1000
700
500
Invivel
Tempo de
produo
3X1+4X2 2400
Vivel
500
700
X1
42
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Restrio do plstico
2X1+X2 1000
1000
700
500
Tempo de Produo
3X1+4X2 2400
Invivel
Vivel
X1
43
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Invivel
Vivel
500
700
X1
44
700
600
X* = (320, 360)
com Z* = 4.360
X1
500
Pesquisa Operacional - UNESP / Campus de Guaratinguet
45
46
Pesquisa Operacional - UNESP / Campus de Guaratinguet
X2
Z
Z*
Z
Soluo
nica
X1
Soluo
ilimitada
X1
47
Pesquisa Operacional - UNESP / Campus de Guaratinguet
48
Pesquisa Operacional - UNESP / Campus de Guaratinguet
X2
Z
*
X*
Z
X*
Mltiplas Solues
timas 1
Segmento de Reta
timo
X1
Z*
Mltiplas
Solues timas 2
Semi-reta tima
X1
49
Pesquisa Operacional - UNESP / Campus de Guaratinguet
X2
O conjunto
vivel vazio.
H restries
incompatveis.
Problema
invivel
X1
50
Pesquisa Operacional - UNESP / Campus de Guaratinguet
51
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Sujeito a:
...
...
...
...
...
...
...
...
Am1 X1 + Am2 X2 + ... + Amn Xn = bm
X1 0, X2 0, ..., Xn 0
b1 0, b2 0, ..., bm 0.
52
Pesquisa Operacional - UNESP / Campus de Guaratinguet
AX b
X0
b 0.
54
Pesquisa Operacional - UNESP / Campus de Guaratinguet
0.
Basta substitu-la no modelo por uma nova varivel nonegativa X1 0, dada por X1 = X1.
55
Pesquisa Operacional - UNESP / Campus de Guaratinguet
59
X1 + X2 + X3 7
X1 X2 + X3 2
Sujeito a:
3X1 X2 2X3 = 5
X1 0, X2 0, X3 livre
1
2
3
60
X1 X2' + X3
X5 = 2
Sujeito a:
3X1 X2' + 2X3
=5
1' '
2' '
3' '
61
ou
4.2. Transformao
ou
2X2' X4 + X5 = 5
s. a: 5X1 X2' + 2X4
=9
s. a:
Usando
De (1): X3 = 7 X1 + X2 X4
ou
=5
X3 = X3 X3
62
Definies e Teoremas em PL
Ponto central na resoluo de modelos de PL a soluo de
sistemas de equaes lineares.
Apresenta-se a seguir o Mtodo de Eliminao de Gauss Jordan.
Considere o sistema de equaes abaixo:
(S1)
X1 2X 2 X 3 4X 4 2X 5 2
X1 X 2 X 3 3X 4 X 5 4
1
2
Definies e Teoremas em PL
Conjunto soluo de (S1) a coleo de todos os valores de
(X1, X2, X3, X4, X5) que satisfazem as equaes (1) e (2)
conjuntamente.
Dois sistemas so equivalentes se possuem o mesmo conjunto
soluo.
Sistemas equivalentes podem ser obtidos por meio de
operaes elementares sobre as linhas do sistema:
1. Multiplicar (dividir) qualquer equao por um n.
2. Adicionar qualquer equao uma Combinao Linear das
demais equaes.
64
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Forma Cannica
Um sistema (S2) equivalente a (S1) pode ser obtido
multiplicando-se a equao (1) por 1 e adicionando-se o
resultado equao (2):
(S2)
X1 2X 2 X 3 4X 4 2X 5 2
X2 2X3 + X4 3X5 2
(3)
(4)
X1
(5)
(6)
Forma Cannica
Considere uma forma cannica de um sistema de equaes lineares:
(como (S3) anteriormente obtido)
Uma varivel dita ser varivel bsica para uma dada equao do
sistema se ela possuir coeficiente 1 nesta equao e coeficientes
nulos nas demais equaes do sistema.
Exemplo: em (S3) X1 e X2 so variveis bsicas
Variveis que no satisfazem a condio acima so chamadas de
variveis no-bsicas.
Exemplo: em (S3) X3, X4, X5 so variveis no-bsicas.
66
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Soluo Bsica
A soluo de um sistema na forma cannica, obtida fazendo-se as
variveis no-bsicas iguais a zero, chamada de uma soluo
bsica (SB).
N mximo de solues bsicas = N
M
Exemplo:
Em (S3) fazendo-se X3 = X4 = X5 = 0 X1 = 6 e X2 = 2 formam
uma soluo bsica.
N de solues bsicas = 5 = 10
2
67
Pivoteamento
Operaes de Pivoteamento so as operaes elementares
aplicadas um sistema para transformar uma dada varivel
em varivel bsica. So usadas pelo mtodo de eliminao
de Gauss Jordan. Deve-se identificar o elemento Piv que
deve ser transformado em 1 e os demais elementos da sua
coluna que devem ser transformados em 0.
Para obter uma forma cannica de um sistema basta aplicar
uma sequncia de operaes de pivoteamento (mtodo de
Gauss Jordan) de modo se conseguir uma varivel bsica
associada com cada equao.
68
Pesquisa Operacional - UNESP / Campus de Guaratinguet
2X1 2X 2 + 6X 3 = 4
X1 + 4X2 X3 = 2
(1)
(2)
X1
X1
X3
X3
-2
-1
-1
X1
-1
X3
X1
-11/2
-4
X3
3/2
(S)
X2
=4
X1 11 / 2 X 2
3/2 X2 + X3 = 2
70
Teoremas em PL
Teorema 1
Dado um modelo j na forma padro, as solues bsicas viveis do
sistema de equaes, correspondente s restries do modelo, esto
associadas a pontos extremos do conjunto de solues viveis do
modelo original.
Teorema 2
Se um modelo de Programao Linear possui Soluo tima ento
pelo menos um ponto extremo, do conjunto de solues viveis do
modelo original, corresponde a uma Soluo tima.
71
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Comentrios Gerais
Procedimento simplista para resolver um modelo de PL
Gerar todas as possveis solues bsicas viveis.
Determinar qual das solues bsicas viveis corresponde ao
melhor valor da funo-objetivo.
Problemas:
1. N de solues bsicas viveis pode ser excessivo.
2. Modelo pode apresentar soluo ilimitada ou ainda ser invivel.
Observe que problemas de mdio porte, que aparecem na prtica,
costumam envolver centenas de variveis (valor de n) e milhares
de restries (valor de m).
72
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Comentrios Gerais
Linhas de Pesquisa
Algoritmos de pontos interiores e suas derivaes.
Implementaes de algoritmos para processamento em paralelo.
Linguagens de modelagem: ajudar no desenvolvimento e aplicao de
modelos de Pesquisa Operacional.
Exemplos:
AMPL - Modeling Language for Mathematical Programming - R. Fourer,
D. M. Gay, and B. W. Kerningham, 1993.
GAMS - General Algebraic Modeling System - J. Bisschop and A. Meeraus,
1982.
Whats best - The ABC of Optimization - S. L. Savage, 1992.
73
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Mtodo Simplex
Procedimento iterativo que resolve qualquer modelo de PL num
nmero finito de iteraes. Indica a ocorrncia de mltiplas Solues
timas, soluo ilimitada, e problema invivel.
Etapas de aplicao do Mtodo Simplex
Considere um modelo de PL que esteja na forma padro, e uma Soluo
Bsica Vivel inicial.
O Mtodo Simplex consiste basicamente da aplicao sucessiva de duas
etapas:
Etapa A: Identificao de uma Soluo tima.
Etapa B: Melhoria de uma Soluo Bsica Vivel.
74
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Mtodo Simplex
Etapa A: Identificao de uma Soluo tima.
Verificar se a Soluo Bsica Vivel atual satisfaz o critrio de
otimalidade do algoritmo:
Se o critrio for satisfeito termina a aplicao do mtodo;
Caso contrrio deve-se aplicar a etapa B.
Etapa B: Melhoria de uma Soluo Bsica Vivel.
Procurar obter uma Soluo Bsica Vivel melhor que a atual:
Determinao da varivel no-bsica que deve entrar;
Determinao da varivel bsica que ser substituda;
Obteno da nova Soluo Bsica Vivel - atravs de
operaes de pivoteamento.
75
s. a:
...
...
...
...
...
...
...
...
Am1 X1 + Am2 X2 + ... + Amn Xn = bm
X1 0, X2 0, ... , Xn 0
b1 0, b2 0, ... , bm 0
76
(1)
(2)
s. a:
...
...
...
...
...
...
...
...
...
...
Am1 X1 + Am2 X2 + ... + Amn Xn = bm
- Z + C1 X1 + C2 X2
+ ... + Cn Xn = 0
(m)
(m + 1)
77
X1
.......
+ C m + 1 Xm + 1 + .... + C n Xn = Zo
(I)
78
Pesquisa Operacional - UNESP / Campus de Guaratinguet
2X1 X2 2X3 4
3X1 3X2 X3 3
Xi 0, i 1,3
(S):
2X1 + X2 + 2X3 = 4
3X1 + 3X2 + X3 = 3
Z 4X1 X 2 X 3 0
(1)
(2)
(3)
80
3/4 X2 + X3 = 3/2
X1 + 5/4 X2
= 1/2
13/4 X2
= 7/2
(I)
Z = 7/2 13/4 X2
Z
Onde
+ C m 1 X m + 1 + .... + C n Xn = Zo,
Zo = C1 b1 + C2 b2 + ... + Cm bm.
83
84
X1
+ 2X3 + 3X4 = 5
X2 + 2X3 2X4 = 6
4X3 + 5X4 = 4
(1)
(2)
(3)
85
se X 3 X1
se X 3 X2
ou seja
ou seja
Pesquisa Operacional
- UNESP
/ Campus
de4Guaratinguet
3
2
1
86
Min bi
br
=
X1
+ 2X3 + 3X4 = 5
X2 + 2X3 2X4 = 6
4X3 + 5X4 = 4
(1)
(2)
(3)
89
Pesquisa Operacional - UNESP / Campus de Guaratinguet
VB
X1
X2
X1
X2
1
0
0
1
-Z
X3
X4
2
2
3
-2
5
6
-4
-4
X3 entra
X3
X2
1/2
-1
0
1
1
0
3/2
-5
5/2
1
-Z
11
No h C j < 0 , assim a
soluo atual tima.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
X 1* 0
X 2 * 1
X*
=
X 3*
5/2
X 4 * 0
Z* = - 6
90
X1
X2 6
3X1 + 2X2 18
X1 0, X2 0
s. a:
X1
s. a:
+ X3
= 4
X2
+ X4
= 6
+ X5 = 18
3X1 + 2X2
Xi 0, i = 1,5
92
Mtodo Simplex
VB
X1
X2
X3
X4
X5
X3
X4
X5
1
0
3
0
1
2
1
0
0
0
1
0
0
0
1
4
6
18
-Z
X3
X2
X5
1
0
3
0
1
0
1
0
0
0
1
-2
0
0
1
4
6
6
-Z
-5
0 -30
X3*
X2*
X1*
0
0
1
0
1
0
1
0
0
2/3
1
-2/3
-1/3
0
1/3
2
6
2
-Z*
-3
-1
-36
Soluo tima
X*1 = 2, X*2 = 6,
X*3 = 2, X*4 = X*5 = 0,
Z* = 36
93
Mtodo Simplex
Comentrios Gerais
Considere um modelo de Programao Linear na forma padro que
seja de minimizao.
(1) Ocorrncia de Empate na Entrada:
Escolher para entrar a varivel no-bsica Xs associada ao
menor valor de coeficiente de custo relativo C S < 0.
(Regra de entrada de Dantzig)
94
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Mtodo Simplex
(2) Identificao de Soluo Ilimitada:
Pode ser feita a identificao de soluo ilimitada durante a
aplicao da etapa (B).
Se houver alguma varivel no-bsica Xs para entrar que tenha
A i , s 0, em todas as equaes i (= 1,..., m) do
coeficientes
sistema de restries.
95
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Mtodo Simplex
Exemplo de Modelo com Soluo Ilimitada:
Seja a Soluo Bsica Vivel abaixo, associada a forma cannica (S):
X1 = 5, X2 = 6, X3 = X4 = 0, Z = 4
X1
(S):
2X3 + 3X4 = 5
X2 2X3 2X4 = 6
4X3 + 5X4 = 4
(1)
(2)
(3)
96
Mtodo Simplex
(3) Interpretao geomtrica do Mtodo Simplex:
97
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Mtodo Simplex
Exemplo:
Modelo original
Min Z = 3X1 5X2
X1
s. a:
X2 6
3X1 + 2X2 18
Xi 0, i = 1, 2
X2
Regio
vivel
X1
98
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Mtodo Simplex
Exemplo:
Modelo original
X1
s. a:
X1
X2 6
s. a:
3X1 + 2X2 18
Xi 0, i = 1, 2
+ X3
X2
3X1 + 2X2
Xi 0, i = 1, 5
= 4
+ X4
= 6
+ X5 = 18
X2
Regio
vivel
99
Pesquisa Operacional - UNESP / Campus de Guaratinguet
X1
Mtodo Simplex
Resoluo do exemplo para interpretao geomtrica do Mtodo Simplex:
VB
X1
X2
X3
X4
X5
X3
X4
X5
18
X
-Z3
1
-3
-50
01
00
00
40
X2
X5
-2
-Z
-3
30
X3*
2/3
-1/3
X2*
X1*
-2/3
1/3
Quadro 3 (timo)
-Z* 0 bsica
0 vivel
0 tima:
3 X * 1= 2,36
Soluo
X2* = 6, X3* = 2, X4* = X5* = 0, Z* = 36
1
100
Mtodo Simplex
Visualizao das iteraes
Quadro 3:
X4 *= X5* = 0,
Z* = -36, X1* = 2,
X2* = 6, X3* = 2.
X2
Quadro 2:
X1 = X4 = 0,
Z = -30,
X2 = 6, X3 = 4, X5 = 6.
Regio
vivel
Quadro 1:
X1 = X2 = 0,
Z = 0, X3 = 4, X4 = 6,
X5 = 18.
Pesquisa Operacional - UNESP / Campus de Guaratinguet
X1
101
Mtodo Simplex
(4) Identificao de Solues timas Mltiplas:
Considere que h uma Soluo Bsica Vivel tima para um
modelo de minimizao, ou seja, tem-se Z* = Z* e todos C S 0 para toda
varivel no-bsica X s .
A identificao da ocorrncia de Solues timas mltiplas feita,
no Quadro timo, quando h alguma varivel no-bsica Xj com
= 0.
Cj
Assim ao se escolher Xj para entrar no conjunto das variveis
bsicas, no se alterar o valor timo Z* da funo objetivo.
Desta maneira, pode-se obter uma nova Soluo Bsica Vivel
tima na qual Xj ser uma varivel bsica.
Fica caracterizada assim a existncia de mltiplas Solues timas.
102
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Mtodo Simplex
Exemplo:
Modelo original
Min Z = X1 2X2
3
X2 4
X1 + 2X2 9
Xi 0, i = 1, 2
X1
S. a:
+ X3
=3
X2
+ X4
=4
+ X5 = 9
X1 + 2X2
Xi 0, i = 1, 5
S. a:
A seguir apresenta-se:
A resoluo grfica do modelo original.
A resoluo do modelo na forma padro pelo Mtodo Simplex.
Uma visualizao das iteraes desenvolvidas pelo Mtodo
Simplex sobre a regio vivel do modelo original.
103
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Mtodo Simplex
Resoluo grfica do exemplo com mltiplas Solues timas
X2
1
4
= XA*
(0,4)
X*
3
3
= XB*
Z* = - 9
Z=-6
(3,0)
X1
Mtodo Simplex
Resoluo do modelo na forma padro
VB
X1
X2
X3
X4
X5
X3
X4
X5
X3
-Z
-11
-20
01
00
00
03
X2
X5
-2
-Z
X3*
-1
0
0
0
0
1
2
2
0
-1
8
2
X2*
X1*
X4*
1
0
2
0
0
1/2
-2
1
1
-1/2
1
1
-Z*
X2*
0
0
0
1
0
-1/2
0
0
1
1/2
9
3
X1*
X* = XA* + (1 - ) XB*,
com 0 1, e Z* = - 9
105
Mtodo Simplex
Visualizao das iteraes do Mtodo Simplex
Quadro 3:
X4* = X5* = 0,
X1* = 1, X2* = 4,
X2
XA
Quadro 2:
X3* = 2, Z* = -9
X1 = X4 = 0,
X*
X2 = 4, X3 = 3,
X5 = 1, Z = -8
X* = XA* + (1 -) XB*,
onde 0 1
Quadro 4:
X3* = X5* = 0,
o caso, em termos
de resoluo grfica,
de um segmento de
reta timo.
X1* = 3, X2* = 3,
X4* = 1, Z* = -9
XB
(0,0)
Quadro 1:
X1 = X2= 0, X3 = 3,
X4 = 4, X5 = 9, Z
=0
Pesquisa Operacional - UNESP / Campus de Guaratinguet
X1
106
Mtodo Simplex
Observao importante:
Se no Quadro 3, na coluna da varivel X4 no houvesse algum
coeficiente Ai , 4 > 0 , no se poderia efetuar o pivoteamento;
107
Pesquisa Operacional - UNESP / Campus de Guaratinguet
s.a:
........................................
Am1X1 + ... + AmnXn
Xi 0, i = 1, n
bm
111
s. a:
= b1
Y2
= b2
........................................................................
Am1X1 + ... + AmnXn +
Ym = bm
Xi 0, i = 1, n ; Yj 0, j = 1, m
A F. O. artificial sempre ser de Minimizao, qualquer que seja o Modelo Original.
112
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Observe que o modelo artificial est na forma padro com Soluo Bsica
Vivel inicial:
X1 = X2 = ... = Xn = 0
(variveis no-bsicas)
Y1 = b1, Y2 = b2, ..., Ym = bm (variveis bsicas)
W = b1 + b2 + ... + bm.
Analisando o valor timo da funo objetivo W* do modelo artificial
pode-se concluir:
Caso 1: Se W* 0 h pelo menos uma varivel bsica artificial Yj com
valor 0.
Nesta situao conclui-se que o sistema de restries do modelo original
depende destas variveis artificiais no nulas para ser satisfeito. Assim o
Modelo Original invivel. No h a fase 2.
113
X1
s. a:
(1)
(2)
(3)
(4)
116
Pesquisa Operacional - UNESP / Campus de Guaratinguet
Modelo
Min Z = -3X1 - 5X2
4
X2 6
3X1 + 2X2 18
Xi 0, i = 1,2
X1
s. a:
X1
s. a:
+ X3
X2
3X1 + 2X2
Xi 0, i = 1, 5
+ X4
=4
= 6
- X5 = 18
117
Pesquisa Operacional - UNESP / Campus de Guaratinguet
X1
+ X3
=4
X2
+X4
=6
3X1 + 2X2
X5 + Y1 = 18
Xi 0, i = 1,5; Yi 0
118
X1
X2
X3
X4
X5
Y1
X3
Adequar a
X4
funo
Y1
-1
18
objetivo
-W
X3
0
1
0
0
0
1
0
0
0
0
1
0
0
4
X4
Y1
-1
18
-W
X1
-3
1
-2
0
0
1
0
0
1
0
0
0
-18
4
X4
Y1
-3
-1
-W
X1
0
1
-2
0
3
1
0
0
0
0
1
0
-6
4
X4
3/2
1/2
-1/2
X2
-3/2
-1/2
1/2
-W*
Transformar em
Zeros os coeficientes
das variveis
artificiais na F. O.
Quadro 1
Quadro 2
Quadro 3
X1
X2
X3
X4
X5
X1
Adequar a
X4
3/2
1/2
funo
X2
-3/2
-1/2
objetivo
-Z
X1
-3
1
-5
0
0
1
0
0
0
0
0
4
X4
3/2
1/2
X2
-3/2
-1/2
-Z
X1*
0
1
0
0
-9/2
0
0
0
-5/2
0
27
4
X5*
Quadro 4
X2*
(timo)
-Z*
42
Quadro 3
Coeficientes de
variveis
bsicas na F. O.
devem ser Zero
Soluo tima
(nica) do Modelo
Original:
X1* = 4, X2* = 6,
X5* = 6,
X3* = X4* = 0,
Z* = -42
120
X2
(2, 6)
Quadro 1:
W = 18,
Z=0
Regio
Vivel
Quadro 3=
Quadro 3:
W = 0,
Z = -27
(4, 6)
(4, 3)
(4, 0)
Quadro 2:
W = 6,
Z = -12
X1
121
Pesquisa Operacional - UNESP / Campus de Guaratinguet
SIM
s. a:
2.
s. a:
Min Z = X1 + 2 X2
X1 + X2 3
2X1 + X2 2
X1, X2 0
(R: Invivel)
Max Z = 6X1 + 10 X2
3X1 + 5X2 15
5X1 + 2X2 10
X1, X2 0
Exerccios
3.
s. a:
4.
s. a:
Max Z = X1 + X2
X1 + 4X2 4
3X1 + X2 = 1
X1, X2 0
Exerccios
5.
s. a:
6.
Max Z = X1 + X2
2X1 + 3X2 = 5
- 6X1 - 9X2 = - 15
X1 X2 0
X1, X2 0
Max Z = - 4X1 + X2
3X1 + X2 3
s. a: X1 - X2 - 1
4X1 X2 - 4
X1, X
Pesquisa Operacional
- UNESP
2 0 / Campus de Guaratinguet
125
R: H mais de uma soluo
Exerccios
7. Max Z = 3X1 5X2
s.a: -3X1 + 5X2 0
X1 2X2 -2
Xi 0, i = 1,2
R: H mais de uma soluo tima (Semi-reta tima)