Upload
others
View
6
Download
0
Embed Size (px)
Citation preview
Índice
pág.
Introdução 2
Nota histórica 3
Programação linear 5
Programação linear com duas variáveis 7
Problemas 9
Problema de maximização 9
Problema de minimização 15
Casos particulares 18
Método Simplex 22
Algoritmo do Simplex 23
Problema (Método Simplex) 26
Bibliografia 31
Fundamentos e Ensino da Álgebra – Programação Linear
2
Introdução
Neste trabalho trataremos um conteúdo que irá ser leccionado num futuro
próximo, que se denomina de “Programação Linear”.
Mas o que é a programação linear?
A programação linear consiste em optimizar (maximizar ou minimizar) uma
dada função linear, que se chama função objectivo, definida num dado conjunto
convexo, tendo em conta que as variáveis estão sujeitas a restrições.
Tentaremos dar uma ideia aos futuros professores de Matemática, sobre o que
futuramente irá leccionar. Para isso, a primeira parte deste trabalho trata apenas a
programação linear ao nível do ensino secundário (no 11º ano). Nesta parte
elaboraremos dois exemplos para uma melhor compreensão deste item. Posteriormente,
trabalharemos um pouco o “Método Simplex”, este conteúdo não é dado no ensino
secundário, pois é muito complexo e normalmente só é estudado na Matemática
Aplicada ou Computacional. Este método é muito importante, pois permite resolver
problemas com muitas variáveis.
Programação linear é muito importante para resolver problemas do dia a dia que
se possam exprimir por meio de uma função linear.
Esperamos portanto, que este trabalho ajude os estudantes de matemática,
futuros professores, a compreender ou ter uma ideia de um conteúdo que irá ensinar.
Fundamentos e Ensino da Álgebra – Programação Linear
3
Nota histórica
Historicamente, tal como acontece com outros ramos científicos recentes, a
programação linear encontra as suas raízes na Antiguidade Clássica, ou talvez mesmo
na Antiguidade Oriental, já que a pesquisa do óptimo é um tema que sempre preocupou
o Homem. Assim, por exemplo, já Euclides (séc. III A.C.) no seu Livro III procurava
encontrar a maior e menor distâncias de um ponto para a circunferência e no seu Livro
IV descreveu uma forma de obter um paralelogramo de área máxima com um dado
perímetro.
Nos séculos XVII e XVIII desenvolveram-se métodos de cálculo que permitiram
resolver os problemas postos por Euclides e também as soluções óptimas de uma grande
variedade de problemas de optimização. São bem conhecidos os problemas de extremos
condicionados com restrições de igualdade e os contributos dados por Newton, Leibniz,
Lagrange e Bernoulli. Nestes primeiros tempos os problemas que preocuparam os
homens da ciência eram basicamente relacionados com a Geometria, a Dinâmica e a
Física.
Cournot com o seu estudo sobre a igualdade entre receita marginal e custo
marginal, logo implicitamente a determinação do ponto de equilíbrio que origina o lucro
máximo, pode considerar-se um dos percursores da programação matemática.
Em 1957 Quesnay publica o Tableau Economique que pode considerar-se a
primeira grande tentativa de modelizar a economia – é assim o primeiro marco no
caminho dos modelos de programação ao nível macroeconómico.
O Sistema de Equilíbrio Geral de Walras, publicado em 1874, representa, em
termos teóricos, um considerável avanço na procura da melhor forma de interpretar a
economia como um todo.
Na sequência dos trabalhos realizados sob a égide do governo dos EUA,
Leontief apresenta em 1936 o modelo «input-output» para a economia americana. Este
trabalho é sem dúvida o segundo marco.
Em 1937 Von Neumann publica A Model of General Economic Equilibrium
onde formula um modelo de programação linear dinâmica, em que admite métodos
alternativos de produção simples ou conjunta.
Fundamentos e Ensino da Álgebra – Programação Linear
4
Em 19939 Kantorovich formulou de forma rigorosa um problema de
programação linear no trabalho Métodos Matemáticos de Organização e Planeamento
da Produção, mas não apresentou um algoritmo de resolução. Todavia, este trabalho
não teve então o reconhecimento que merece e só muitos anos mais tarde foi
efectivamente apreciado.
Mas é ligado à problemática militar, e em especial da logística em tempo de
guerra, que o grande salto se vai dar.
Georges Dantzig e outros, trabalhando no Projecto SCOOP (Scientific
Computation of Optimum Programs) no Departamento da Força Aérea Americana,
apresentaram em 1947 uma forma sistemática de resolução dos problemas de
programação linear que se designa por Método do Simplex e que se revelou duma
eficácia extraordinária.
A partir desta data pode afirmar-se que a programação linear é uma realidade.
Com a apresentação do método do simplex, a programação matemática em geral
vai sofrer um surto expansionista quase inacreditável.
Fundamentos e Ensino da Álgebra – Programação Linear
5
Programação linear
Os problemas de optimização são problemas de extremos de funções de
variáveis (ou de funções) sobre um certo domínio normalmente definido por um
conjunto de restrições às variáveis (ou às funções).
Alguns destes problemas tiveram origem na Física e na Geometria, tendo sido
tratados na análise matemática clássica, nomeadamente no Cálculo Diferencial e no
Cálculo das Variações, a partir do século XVII. Muitos destes resultados foram
posteriormente aplicados com sucesso à Engenharia e à Teoria Económica, em
particular à Teoria da Produção e do Consumidor.
Na década de quarenta assiste-se ao surgimento duma classe particular de
problemas de optimização nos campos da organização e gestão económica. Esta classe
de problemas é designada por Programação Matemática e abrange a análise e estudo de
sistemas de forma a determinar o programa de acção mais adequado à prossecução de
certo objectivo, tendo em conta as restrições que limitam os seus comportamentos.
Matematicamente, o problema de Programação Matemática consiste em
determinar os valores de n variáveis, x1, x2, …, xn, que tornam máximo ou mínimo o
valor de uma função
f (x1, x2, …, xn)
dadas m restrições ou condições,
gi (x1, x2, …, xn) ≤ bi (i = 1, 2, …, m),
e estando as variáveis sujeitas às condições de não negatividade,
xj ≥ 0 (j = 1, 2, …, n).
Fundamentos e Ensino da Álgebra – Programação Linear
6
Caso particular de grande importância é o da Programação Linear, em que as
funções f (x1, x2, …, xn) e gi (x1, x2, …, xn), (i = 1, 2, …, m), são lineares. Trata-se da
subclasse de problemas de Optimização mais largamente utilizados nos últimos trinta
anos em áreas tão diversas como a Física, Engenharia, Economia e sobretudo a
Economia da Empresa.
Os problemas que resolve são muito variados. Por exemplo:
• Distribuição de pessoal, com diversas aplicações, postos de trabalho, de
modo a obter o melhor rendimento.
• Planos de produção e armazenamento.
• Obtenção de misturas óptimas, por exemplo, para rações de animais.
• Composição de medicamentos.
• Rentabilização de aeroportos.
• Optimização do tráfego interno ou de comunicação de vários tipos.
• Planificação dos semáforos de circulação numa cidade.
• Programação de rádio ou televisão.
• Estratégias militares, etc.
Fundamentos e Ensino da Álgebra – Programação Linear
7
Programação linear com duas variáveis
Ao nível do Ensino Secundário apenas é ensinado aos alunos programação linear
na sua forma mais simples, utilizando somente duas variáveis.
Por este motivo, iniciamos o nosso trabalho abordando essa versão.
Para uma melhor abordagem, recordemos que:
a) Uma expressão como ax+by define uma função linear a duas variáveis
também chamada «forma linear».
b) Igualando-a a uma constante obtemos a equação duma recta; se a constante
for zero, temos uma recta que passa na origem:
ax + by = 0 � y = - (a/b)x
cujo gráfico será
Em qualquer ponto P (x, y) desta recta, a expressão ax + by toma o valor 0.
Diz-se «recta de nível 0» da forma ax + by.
c) Igualando a expressão ax + by a uma constante diferente de 0, obtemos outra
recta que não passa na origem, mas é paralela à anterior visto que tem o
mesmo declive:
ax + by = c � by = -ax + c � y = - (a/b) + (c/b)
(c/b) = k (constante)
P (x, y)
Fundamentos e Ensino da Álgebra – Programação Linear
8
Para uma melhor visualização de tal facto, concretizemos os valores a e b (a = 3,
b = 1) e fazendo variar o k obtém-se o gráfico seguinte:
A recta de equação 3x + y = k diz-se recta de nível k da forma linear 3x + y e em
qualquer dos seus pontos a expressão 3x + y toma o valor k.
Nota:
• As restrições do problema originam um polígono – polígono de soluções.
• Num problema de maximização:
- procura-se a recta de maior nível que toque pelo menos num ponto do
polígono de soluções.
• Num problema de minimização:
- procura-se a recta de menor nível que toque pelo menos num ponto
do polígono de soluções.
Fundamentos e Ensino da Álgebra – Programação Linear
9
PROBLEMAS
PROBLEMA DE MAXIMIZAÇÃO
Uma empresa de telecomunicações pretende lançar no mercado uma rede móvel.
Precisa, para o efeito de definir o tarifário das suas chamadas. A tarifação será efectuada
ao minuto e as chamadas vão ser cobradas de acordo com o seu destino, havendo uma
tarifa para as chamadas efectuadas para a mesma rede e outra para as chamadas
efectuadas para as outras redes.
O instituto responsável pelas comunicações definiu que a soma do preço de um
minuto de chamada para a mesma rede com o preço de um minuto de chamada para
outra rede não pode ser superior a 0,40 €.
Estudos efectuados em operadoras já existentes mostram que em média cada
cliente fala para a mesma rede 100 minutos por mês, e para as outras redes 30 minutos
por mês.
Cada cliente terá que efectuar um pagamento de 15 € mensais, sendo esse o
saldo disponível para efectuar as chamadas, podendo no entanto pagar um valor mais
elevado no caso de querer dispor de um saldo maior.
Sobre tarifa cobrada a empresa obtém 70% de lucro nas chamadas efectuadas
para a mesma rede e 40% nas chamadas efectuadas para as outras redes.
Como deverá a empresa cobrar as tarifas de forma a obter o maior lucro
possível?
Fundamentos e Ensino da Álgebra – Programação Linear
10
Resolução do problema:
Tabela referente aos dados do problema
Tarifa das
chamadas por
minuto
Média mensal dos
minutos de
conversação
Percentagem de
lucro ( % )
Mesma rede x 100 70
Outras redes y 30 40
A função linear a maximizar é o preço total por minuto das chamadas em euros:
0,7x + 0,4y
Restrições:
Tem que se definir os preços para as duas tarifas: x ≥ 0 e y ≥ 0
A soma por minuto das duas tarifas tem que ser inferior a 0,40€: x + y ≤ 0,40
O dinheiro gasto por mês não pode exceder 15€: 100x + 30y ≤ 15
Fundamentos e Ensino da Álgebra – Programação Linear
11
Gráfico da região admissível
Qualquer ponto da região a verde satisfaz as várias restrições, logo é uma solução
possível.
• (0,07 ; 0,20) é uma solução para a qual o lucro seria
0,7 ×0,07 + 0,4 × 0,20 = 0,129€ por minuto
• (0,09 ; 0,18) é mais lucrativo, visto que
0,7 × 0,09 + 0,4 × 0,18 = 0,135€ por minuto.
Qual é então o ponto que dá maior lucro?
Para o calcular, representa-se a recta de nível 0 da função objectivo, que é o “
lucro” a maximizar, isto é,
0,7 x + 0,4 y = 0 <=> y = - 1,75 x.
Fundamentos e Ensino da Álgebra – Programação Linear
12
Gráfico da recta de nível zero
Procura-se a recta de maior nível (isto é, a paralela mais para a direita) que toque
pelo menos num ponto da região admissível.
Fundamentos e Ensino da Álgebra – Programação Linear
13
Gráfico das rectas de nível k
Gráfico da solução óptima
Fundamentos e Ensino da Álgebra – Programação Linear
14
Vemos que a solução óptima corresponde ao ponto de intersecção de duas rectas,
o qual se obtém resolvendo o sistema:
x + y = 0,40 x = 0,043
100x + 30y = 15 y = 0,357
Para esta solução o lucro será de 0,7 × 0,043 + 0,4 × 0,357 = 0,173€
�
Fundamentos e Ensino da Álgebra – Programação Linear
15
Problema de Minimização
Uma empresa de refrigerantes pretende produzir um novo sumo. Esse novo
sumo será uma mistura de sumo de laranja, sumo de maracujá e água. Cada litro de
sumo de laranja contém um grama de carbonatos, três gramas de proteínas e três gramas
de vitaminas; cada litro de sumo de maracujá contém três gramas de carbonatos, uma de
proteínas e quatro de vitaminas. O preço por litro de sumo de laranja é 1€ e de sumo de
maracujá é 0,75€ (o preço da água é desprezável).
Cada litro do novo sumo deverá conter a quantidade mínima de uma grama e
meia de carbonatos, uma e meia de proteínas e três de vitaminas.
Qual a forma mais económica da empresa misturar os dois sumos, garantindo os
mínimos exigidos?
Resolução do problema:
Tabela referente aos dados do problema
Tipo de
sumo
Quantidade
de sumo
(litros)
Carbonatos Vitaminas Proteínas Preço/ litro
( €)
Laranja x 1 3 3 1,00
Maracujá y 3 4 1 0,75
A função linear a minimizar é a despesa de fabrico do sumo:
x + 0,75 y
Fundamentos e Ensino da Álgebra – Programação Linear
16
Restrições:
Carbonatos: x+3y ≥ 1,5
Vitaminas : 3x+4y ≥ 3
Proteínas: 3x+y ≥ 1,5
Para usar laranja e maracujá: x ≥ 0 e y ≥ 0
Gráfico da região admissível e recta de nível zero
Fundamentos e Ensino da Álgebra – Programação Linear
17
Gráfico da solução óptima
Vemos que a solução óptima corresponde ao ponto de intersecção de duas rectas,
o qual se obtém resolvendo o sistema:
Para esta solução a despesa por litro de sumo é de:
0,33 + 0,75 × 0,5 = 0,71€
3x + y = 1,5
3x + 4y = 3
�
x = 0,33
y = 0,5
Fundamentos e Ensino da Álgebra – Programação Linear
18
Casos particulares
1º Caso: Solução não limitada
Maximizar z = 2x + 3y
Sujeito a 2x + 2y ≥ 6
- x + y ≤ 1
y ≤ 3
x, y ≥ 0
Fundamentos e Ensino da Álgebra – Programação Linear
19
2º Caso: Solução óptima com conjunto das soluções admissíveis não
limitado
Maximizar z = -x + 3y
Sujeito a 2x + 2y ≥ 6
- x + y ≤ 1
y ≤ 3
x, y ≥ 0
Fundamentos e Ensino da Álgebra – Programação Linear
20
3º Caso: valor óptimo da FO finito com variáveis podendo
assumir valores arbitrariamente grandes
Maximizar z = -2x + 4y
Sujeito a x - 2y ≥ -4
- x + y ≤ 1
x, y ≥ 0
Fundamentos e Ensino da Álgebra – Programação Linear
21
4º Caso: problema impossível
Maximizar z = x + 2y
Sujeito a x + y ≥ 3
2 x + y ≤ 2
x, y ≥ 0
Fundamentos e Ensino da Álgebra – Programação Linear
22
Método Simplex
Não se dispondo de uma fórmula resolvente para os problemas, sendo
impraticável a análise exaustiva de todas as soluções básicas admissíveis e sabendo que
as técnicas mais eficientes de resolução de sistemas de equações lineares são iterativas,
é natural que o processo de resolução mais generalizado seja um método iterativo que
procura examinar o menor número de soluções básicas admissíveis. Este procedimento
sistemático, designado por método do simplex, devido a Dantzig (utilizou a equação ∑
xi = 1 como restrição numa interpretação geométrica do método), permite resolver este
tipo de problemas.
O Método Simplex é um processo algébrico que permite resolver problemas de
programação linear, isto é, determina uma solução óptima finita quando esta existe ou
conclui que o problema de optimização é impossível ou ilimitado. Caso a solução
óptima exista, o Método Simplex localiza-a após pesquisar um número finito de
soluções. O Método Simplex é um algoritmo iterativo que começa com uma solução
básica (isto é, um ponto extremo) admissível de partida, movimentando-se
sucessivamente através de uma sucessão de soluções básicas admissíveis, tal que cada
nova solução melhora o valor da função objectivo. Quando o problema tem todas as
restrições do tipo ( ≤ ) (com o termo independente não negativo) a solução básica
admissível (SBA) de partida é o ponto 0 (a origem dos eixos). Se não for este o caso,
então, na maior parte dos problemas, é necessário começar por determinar a SBA de
partida. Utilizam-se para isso duas variantes do Método Simplex: o método do M e o
método das duas fases. Iremos considerar apenas o caso em que o problema tem todas
as restrições do tipo ( ≤ ) (com o termo independente não negativo). Neste caso o
problema possui uma matriz identidade de dimensão igual ao número de restrições,
inscrita nas restrições técnicas. Isto permite determinar facilmente a primeira SBA: as
variáveis básicas são aquelas que correspondem às colunas do quadro que constituem a
matriz identidade.
Fundamentos e Ensino da Álgebra – Programação Linear
23
Algoritmo do Simplex
1. Forma padrão
O problema é escrito na forma padrão. As características desta forma são
as seguintes:
• As variáveis são todas não negativas;
• Todas as restrições são equações lineares, com excepção das que
dizem respeito à não negatividade das variáveis;
• Os termos independentes de cada uma das restrições
propriamente ditas são constantes reais não negativas;
• Pode considerar-se, indiferentemente, a maximização ou a
minimização.
Temos então o problema escrito na forma padrão:
(Pressupondo que o problema é a maximizar)
max z = c1 x1 + c2 x2 + … + cn xn
a11 x1 + a12 x2 + ... +a1n xn + xn+1 = b1
a21 x1 + a22 x2 + ... + a2n xn + xn+2 = b2
am1 x1 + am2 x2 + ... +amn xn + xn+m = bm
xj ≥ 0; j = 1, 2, ..., n+m
onde xn+1, ..., xn+m representam as variáveis de folga ou “slack”
adicionada na conversão das restrições do tipo ( ≤ ) para o tipo ( = ).
2. Quadro Simplex
Na primeira solução básica admissível, as variáveis básicas são as de
folga e todas as outras são não básicas. Isto é: X1 = X2 = … = Xn = 0 (pois
são não básicas). Do que resulta que Xn+1 = b1, Xn+2 = b2, …, Xn+m = bm,
constrói-se agora o quadro simplex associado a esta primeira solução:
Fundamentos e Ensino da Álgebra – Programação Linear
24
Quadro Simplex
X1 Xm Xn Xn+1 Xn+m b
Xn+1 a11 a1i a1n 1 0 b1
… … … … … … …
Xn+m am1 ami amn 0 1 bm
z -c1 -cm -cn 0 0 0
Em qualquer quadro simplex, e em particular neste, que representa a
primeira solução básica admissível, a primeira coluna designa o vector das
variáveis básicas cujos valores figuram na última coluna do quadro ( b ); a
última linha do quadro ( Z ) é designada por linha dos custos reduzidos e é
constituída pelo simétrico do valor dos coeficientes das variáveis da função
objectivo.
3. Condição de optimalidade
Se num problema a maximizar, todos os custos reduzidos (-cj) são não
negativos ( ≥ 0) então a solução que o quadro representa é óptima e o quadro
designa-se por quadro óptimo. Se o problema for a minimizar, a solução é
óptima quando todos os custos reduzidos são não positivos ( ≤ 0).
4. Determinação da variável a entrar na base
Caso não se verifique a condição de optimalidade, modifica-se a base
actual procurando uma outra, cuja solução associada esteja mais próxima da
solução óptima. A base modifica-se substituindo uma variável básica por
outra que o não seja. Assim inicia-se o processo seleccionando entre as
variáveis não básica, aquela cujo valor (-cj) é o menor (repare-se que este
valor é negativo, pois o problema é a maximizar). Se problema for a
minimizar a variável escolhida corresponde ao maior valor de (-cj). Em caso
de “empate” escolhe-se a variável de menor índice.
Xk : (-ck) = min {-cj: -cj <0}.
Fundamentos e Ensino da Álgebra – Programação Linear
25
5. Determinação da variável da saída da base
Para determinar a variável que sai da base é necessário ter em conta a
condição de admissibilidade que nos indica que para uma solução ser
admissível, todos os elementos da coluna b têm que ser não negativos. Seja
xk a variável não básica, seleccionada em 4, para entrar na base. Calcula-se θ
= b1/a’lk = min {bi/a’lk: a’lk> 0} onde a’lk é o elemento da linha i e da coluna
Xk no quadro simplex. A variável que sai da base corresponde à linha 1. θ
dá-nos o valor da variável Xk na nova base. Ao elemento a’lk chama-se pivot.
6. Actualização do quadro simplex
Obtida a nova base é necessário actualizar o quadro simplex para o
associar à nova base:
a) divide-se toda a linha 1 (pivotal) pelo valor do pivot;
b) aplica-se o método da eliminação de Gauss segundo o elemento do pivot.
A coluna onde se encontra o elemento pivot ficará com um elemento de
valor unitário (na posição do pivot), e todos os outros elementos nulos.
7. Regresso ao ponto 3
Se a condição de optimalidade se verificar o método simplex termina.
Fundamentos e Ensino da Álgebra – Programação Linear
26
Exemplo:
Ao exemplo dado de maximização separa-se a rede fixa das outras redes.
Reestruturando o problema vem:
Uma empresa de telecomunicações pretende lançar no mercado uma rede móvel.
Precisa, para o efeito de definir o tarifário das suas chamadas. A tarifação será efectuada
ao minuto e as chamadas vão ser cobradas de acordo com o seu destino, havendo uma
tarifa para as chamadas efectuadas para a mesma rede, outra para as chamadas
efectuadas para as outras redes móveis e rede fixa.
O instituto responsável pelas comunicações definiu que a soma do preço de um
minuto de chamada para a mesma rede com o preço de um minuto de chamada para
outras redes móveis não pode ser superior a 0,40€, e que a soma do preço de um minuto
de chamada para a mesma rede com o preço de um minuto de chamada para outras
redes móveis e com o preço de um minuto de chamadas para a rede fixa não pode ser
superior a 0,55€.
Estudos efectuados em operadoras já existentes mostram que em média cada
cliente fala para a mesma rede 100 minutos por mês, para as outras redes móveis 30
minutos por mês, e para a rede fixa 20 minutos por mês.
Cada cliente terá que efectuar um pagamento de 15€ mensais, sendo esse o saldo
disponível para efectuar as chamadas, podendo no entanto pagar um valor mais elevado
no caso de querer dispor de um saldo maior.
Sobre tarifa cobrada a empresa obtém 70% de lucro nas chamadas efectuadas
para a mesma rede, 40% nas chamadas efectuadas para as outras redes móveis e 0,45%
nas chamadas para a rede fixa.
Como deverá a empresa cobrar as tarifas de forma a obter o maior lucro
possível?
Fundamentos e Ensino da Álgebra – Programação Linear
27
Resolução:
Agora a função a maximizar é Z=0,7X1+0,4X2+0,45X3
X1: chamadas para a mesma rede.
X2: chamadas para outras redes móveis.
X3: chamadas para a rede fixa.
Sujeito a:
X1+ X2 ≤ 0,4
X1+ X2+ X3 ≤ 0,55
100 X1+30 X2+20 X3 ≤ 15
Xj ≥ 0 , j = 1, 2, 3
Tabela referente aos dados do problema
Preço/min
Tempo em média de
conversação % de lucro
Mesma rede X1 100 70
Outras redes
móveis X2 30 40
Rede fixa X3 20 45
Fundamentos e Ensino da Álgebra – Programação Linear
28
1º Quadro simplex
X1 X2 X3 X4 X5 X6 b
X4 1 1 1 1 0 0 0,55
X5 100 * 30 20 0 1 0 15
X6 1 1 0 0 0 1 0,4
Z -0,7 -0,4 -0,45 0 0 0 0
A primeira solução básica admissível é X1 = 0, X2 = 0, X3 = 0, X4 = 0,55, X5 =
15, X6 = 0,4 onde X1, X2, X3 são as variáveis não básicas e X4, X5, X6 são as variáveis
básicas. Verificamos que esta solução não é óptima, visto que existem custos reduzidos
negativos, -0,7; -0,4 e -0,45.
A variável a entrar na base é X1, porque entre as variáveis não básicas com custo
reduzido negativo, X1 é a que tem menor valor.
A variável de saída é X5, o min {0,55/1; 15/100; 0,4/1} corresponde à linha
definida pela variável básica X5. O pivot neste caso é 100.
1ª actualização do quadro simplex
L1 → L1 – (1/100) L2
L2 → (1/100) L2
L3 → L3 – (1/100) L2
L4 → L4 + (7/1000) L2
X1 X2 X3 X4 X5 X6 b
X4 0 0,7 0,8 * 1 0 0 0,4
X1 1 0,3 0,2 0 0,01 0 0,15
X6 0 0,7 -0,2 0 -0,01 1 0,25
Z 0 -0,19 -0,31 0 0,007 0 0,105
Fundamentos e Ensino da Álgebra – Programação Linear
29
Obtemos uma nova solução básica admissível, X1 = 0,15; X2 = 0; X3 = 0; X4 =
0,4; X5 = 0; X6 = 0,25, esta solução não é óptima porque existem custos reduzidos
negativos.
A variável a entrar na nova base é X3. A variável de saída é X4, porque o min
{0,4/0,8; 0,15/0,2} corresponde à linha definida pela variável X4. O novo pivot é 0,8.
Nova actualização do quadro simplex
L1 → (5/4) L1
L2 → L2 – (1/4) L1
L3 → L3 + (1/4) L1
L4 → L4 + (31/80) L1
X1 X2 X3 X4 X5 X6 b
X3 0 0,875 1 1,25 -0,0125 0 0,5
X1 1 0,125 0 -0,25 0,0125 0 0,05
X6 0 0,875 0 0,25 -0,0125 1 0,35
Z 0 0,08125 0 0,3875 0,003125 0 0,26
A nova solução básica admissível é X1 = 0,05; X2 = 0; X3 = 0,5; X4 = 0; X5 = 0;
X6 = 0,35, uma vez que neste último quadro não existem custos reduzidos negativos,
esta solução é óptima. Sendo o valor máximo da função objectivo 0,26€.
Notas:
1. No caso de, na solução anterior, os custos reduzidos e o valor máximo da
função objectivo serem todos nulos, a solução seria indeterminada. Se os
custos reduzidos fossem todos nulos e o valor máximo da função objectivo
diferente de zero, o problema era impossível.
Fundamentos e Ensino da Álgebra – Programação Linear
30
2. Se fosse um caso de minimização o processo seria análogo, a diferença
consiste na paragem do processo quando não existirem custos reduzidos
positivos.
Fundamentos e Ensino da Álgebra – Programação Linear
31
Bibliografia
• Lima, Yolanda e Gomes, Francelino, XEQ-MAT, Matemática 11º ano,
Editorial O Livro, Lisboa, 1997.
• Paulos, John Allen, O Circo da Matemática, Para além do enumerismo,
Publicações Europa América.
• Ramalhete, Manuel; Guerreiro, Jorge e Magalhães, Alípio, Programação
Linear, volume 1, McGraw-Hill, Torres Vedras, 1997.
• Ribeiro, Adília; Branco, Ana Paula; Pona, Fátima; Sousa, Helena Isabel e
Dias, Isabel, A Solução, Matemática 11, Texto Editora, 2ª edição, Lisboa,
1999.