18

2- NOES DE CONVEXIDADE E FORMULAO MATEMTICA DE

PROBLEMAS DE PROGRAMAO LINEAR
2.1 Noes de Convexidade
2.1.1 - Combinao Convexa de pontos

Considere C um conjunto contendo os pontos x
1
e x
2
e [0,1]. Diz-se que o
ponto b = x
1
+ (1 -)x
2
o resultado de uma combinao convexa de x
1
e x
2
. Alm
disso, se fizer-se + (1- ) ter como resultado o nmero 1. Pode-se estender esta
definio para um conjunto de pontos:,
Diz que o ponto
b x x x
i n
n
n
i
= + + +
=

1
1
2
2
0 1 2
....
( , ,..., )
uma combinao convexa dos pontos
x
1
, x
2
,...,x
n
. Ento,

1
+
2
+ ........ +
n
=
i
i
n
=

=
1
1
Teorema 2.1.1:
Sejam os pontos u
1
e u
2
, pertencentes ao
n
, e u
3
um ponto qualquer entre u
1
e u
2
.
Para algum 0 1 tem-se:
( u
1
- u
2
) = u
3
- u
2
.
u
3
= u
1

+ (1- ) u
2
(1).
Como cada coeficiente de (1) maior ou igual a 0, e a soma deles igual a 1,
ento u
3
uma combinao convexa de u
1
e u
2
.
2.1.2- Conjuntos Convexos
Um subconjunto C R
n
chamado convexo, se e somente se, para quaisquer
pontos u
1
e u
2
pertencentes a C qualquer combinao convexa
b =
1
u
1
+
2
u
2

tambm pertencer a C. Em outras palavras, se C convexo, ento
u C
u C
u u C
1
2
1 2
1

+ ( ) (0 1).
Portanto, um conjunto C considerado convexo se todos os pontos do segmento
de uma reta que une dois pontos de C tambm pertencem a C.
19
2.1.3- Ponto Extremo (ou Vrtice)
Seja C um conjunto convexo. Diz-se que u C um ponto extremo de C se
no for possvel express-lo como uma combinao convexa de quaisquer outros dois
pontos distintos pertencentes ao conjunto C.
2.1.4- Interseco de Conjuntos Convexos
Sejam A e B dois conjuntos convexos. Seja S o conjunto interseco, ou seja,
S = A B. Se dois pontos p e q pertencem a S, ento o segmento pq pertence a S.
Portanto, todos os pontos pertencentes a S satisfazem a condio de
convexidade. imediato concluir que a interseco de um nmero finito de conjuntos
convexos um conjunto convexo.

2.2 Formulao Matemtica de P.P.LS em R
2


A formulao matemtica para os Problemas de Programao Linear uma
idealizao da realidade, pois emprega smbolos matemticos para representar as
variveis do sistema real. Essas variveis so relacionadas por equaes lineares que
expressam as restries do problema atravs de sistemas lineares e da funo
matemtica a ser otimizada, que tambm linear.
A soluo consiste em encontrar valores adequados das variveis de deciso que
otimizem o desenvolvimento do sistema, segundo o critrio desejado (maximizar ou
minimizar).
A formulao matemtica consiste em:
i) Identificar as variveis de deciso e determinar a grandeza a ser otimizada,
expressando-a como uma funo matemtica (funo objetivo).
ii) Identificar todas as exigncias, restries e limitaes estipuladas, expressando-as
matematicamente (restries).
iii) Expressar todas as condies implcitas. Tais condies no so estipuladas
explicitamente no problema relativo situao fsica sendo assim, modeladas.
Exemplo 2.1:
Uma pessoa em dieta necessita ingerir pelo menos:
- 20 unidades de vitamina A; ( Vitamina A 20)
20
- 10 unidades de vitamina B; ( Vitamina B 10)
- 2 unidades de vitamina C. ( Vitamina C 2)
Ela deve conseguir estas vitaminas a partir de dois tipos diferentes de alimentos
A
1
e A
2
. A quantidade de vitaminas que esses produtos contm por unidade e o preo de
cada um esto na tabela:
Vitamina A Vitamina B Vitamina C Preo Unitrio
Alimento A
1
4 1 1 30 u.m.
Alimento A
2
1 2 0 20 u.m.
Qual a programao de compras dos alimentos A
1
e A
2
que essa pessoa deve
fazer para cumprir sua dieta a menor custo possvel?

Resoluo:
Variveis de deciso:
x
1
: quantidade de alimento A
1
a ser comprado.
x
2
: quantidade de alimento A
2
a ser comprado.
Funo objetivo:
z = 30x
1
+ 20x
2


Conjunto de restries:
4x
1
+ x
2
20
x
1
+ 2x
2
10
x
1
2
x
2
0
Problema:
min z = 30x
1
+ 20x
2

s.a 4x
1
+ x
2
20
x
1
+ 2x
2
10
x
1
2
x
2
0 .

Exemplo 2.2:
Um fabricante de artigos de plsticos possui um estoque de 1200 caixas de
envlucos transparentes em uma de suas fbricas e outras 1000 caixas em uma segunda
21
fbrica. O fabricante recebeu pedidos deste produto provenientes de trs diferentes
varejistas nas quantidades de 1000, 700 e 500 caixas respectivamente. Os custos
unitrios de expedio desde as fbricas at os varejistas so os seguintes:

Varejista 1 Varejista 2 Varejista 3
Fbrica 1 14 13 11
Fbrica 2 13 13 12

Determine o programa de expedio que atenda todas as demandas a partir do
estoque disponvel a um custo mnimo.

Resoluo:
Variveis de deciso:
x
ij
: nmero de caixas a serem expedidas da fbrica i para o varejista j.
i = 1, 2 , j = 1, 2, 3.
Funo objetivo:
z = 14 x
11
+ 13 x
12
+ 11 x
13
+ 13 x
21
+ 13 x
22
+ 12 x
23

Conjunto de restries:
x
11
+ x
12
+ x
13
= 1200
x
21
+ x
22
+ x
23
= 1000
x
11
+ x
21
= 1000
x
12
+ x
22
= 700
x
13
+ x
23
= 500
x
ij
0 , i = 1, 2 ; j = 1,2,3.
Problema:


min z = 14 x
11
+ 13 x
12
+ 11 x
13
+ 13 x
21
+ 13 x
22
+ 12 x
23

s.a. x
11
+ x
12
+ x
13
= 1200
x
21
+ x
22
+ x
23
= 1000
x
11
+ x
21
= 1000
x
12
+ x
22
= 700
x
13
+ x
23
= 500
x
ij
0 , i = 1, 2 ; j = 1,2,3.

22


Exemplo 2.3:
Uma pequena indstria produz artigos A
1
e A
2
que so vendidos a 200 u.m. e
300 u.m., respectivamente. Na sua produo so utilizados trs tipos de matrias-
primas, P
1
, P
2
e P
3
, que so gastas da seguinte forma:
- 2 unidades de P
1
para fabricar 1 unidade de A
1
;
- 4 unidades de P
2
para fabricar 1 unidade de A
1
;
- 1 unidade de P
1
para fabricar 1 unidade de A
2
;
- 1 unidade de P
3
para fabricar 1 unidade de A
2
.
Por razes econmicas, as matrias-primas P
1
, P
2
e P
3
, esto disponveis no
mximo em 20, 32 e 10 unidades, respectivamente.
O dono da empresa deseja saber as quantidades dos produtos A
1
e A
2
que devem
ser produzidos para que a receita bruta seja a menor possvel.

Resoluo:
Variveis de deciso:
x
1
: quantidade do produto A
1
a ser produzida;
x
2
: quantidade do produto A
2
a ser produzida.
Funo objetivo:
z = 200 x
1
+ 300 x
2

Conjunto de restries:
2 x
1
+ x
2
20
4 x
1
32
x
2
10
x
1
, x
2
0
Problema:
min z = 200 x
1
+ 300 x
2

2 x
1
+ x
2
20
4 x
1
32
x
2
10
x
1
, x
2
0.
23
2.3- Resoluo Grfica dos Problemas de Programao Linear no
2


A resoluo de Problemas de Programao Linear no
2
, pode ser determinada
graficamente se o problema tem:
- Soluo nica;
- Mltiplas solues;
- Soluo ilimitada;
- Infactvel (no tem soluo).
Para isso determina-se inicialmente a regio de factiblidade do problema, ou
seja, a regio determinada pelas restries. A seguir, utiliza-se as curvas de nvel e o
vetor gradiente da funo objetivo para determinar o sentido em que a funo crese
ou diminui mais rapidamente.
Veja alguns exemplos:
Exemplo 2.3.1 (Soluo nica):
Curva de Nvel
max z = 2 x
1
+ x
2
Soluo tima
s.a -x
1
+ x
2
1 x
2
2
x
1
3
x
2
2
x
1
e x
2
0 x
1
3 x
1
vetor gradiente


Exemplo 2.3.2 (Mltiplas solues):
max z = x
1
+ x
2

s.a x
1
3
x
2
4 x24
2x
1
+ 2x
2
9 2x
1
+ 2x
2
9
x
1
e x
2
0
x* = x
1
+ (1 - ) x
2
(0 1). x
1
3



x
2
Infinitas Solues
x
1

x
2
-x
1
+x
2
1
24
x
2

Exemplo 2.3.3 (Soluo Ilimitada):
max z = x
1
+ 2 x
2
x
1
+2x
2
10 x
1
2
4 x
1
+ x
2
20
x
1
+ 2 x
2
10 solues ilimitadas
x
1
2
x
1
e x
2
0
4x
1
+x
2
20 x
1


Este problema no possui soluo tima finita, pois o valor da funo pode
crescer indefinidamente dentro da regio de factibilidade. Dizemos que este um
problema ilimitado.

x
2

Exemplo 2.3.4 (Infactvel):
min. z = x
1
+ x
2
-2x
1
+x
2
20
s.a -2 x
1
+ x
2
20
x
1
- x
2
2 x
1
-x
2
2
x
1
, x
2
0
x
1



Neste problema, o conjunto de pontos viveis um conjunto vazio, pois no h
regio no plano que satisfaa as quatro restries. Diz-se que este um problema
invivel ou infactvel.


2.4 Formulao Geral de um Problema de Programao Linear

Nessa seo, ser definida um Problema de Programao Linear (P.P.L.) em sua
forma geral, padro e cannica, necessrias para a definio de um mtodo para
resoluo desses problemas a ser visto no captulo 3.
.
25
2.4.1- Diferentes formas de um Problema de Programao Linear

2.4.1.1 Forma Geral
Diz-se que um Problema de Programao Linear est na forma geral se este se
encontrar na seguinte forma:
Max (ou Min) z = c
1
x
1
+ c
2
x
2
++ c
n
x
n
;


s.a.
a
11
x
1
+ a
12
x
2
+ ... + a
1n
x
n
b
1

.
.
.
a
p1
x
1
+ a
p2
x
2
+ ... + a
pn
x
n
b
p

a
(p+1)1
x
1
+ a
(p+1)2
x
2
+ ... + a
(p+1)n
x
n
b
(p+1)

.
.
.
a
q1
x
1
+ a
q2
x
2
+ ... + a
qn
x
n
b
q

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

.
.
.
a
m1
x
1
+ a
m2
x
2
+ ... + a
mn
x
n
= b
m
x
1,
..., x
p
0
x
(p+1)
, , x
q
0
x
q
, ..., x
n
: irrestrita, onde 1 p m , 1 p q n, 1qm

Exemplo 2.4.1:
max z = 5x
1
+3x
2
+x
3
+2x
4
-4x
5

s.a.: x
1
+5x
2
-3x
3
- x
4
+7x
5
10
3x
1
-2x
2
+5x
3
+ x
4
+4x
5
15
x
1
+7x
2
- x
3
+2x
4
+3x
5
20
5x
1
+2x
2
+2x
3
+3x
4
- x
5
= 8
x
1
0, x
2
0, x
3
0, x
4
: irrestrita, x
5
: irrestrita


2.4.1.2- Forma Cannica

Dizemos que um Problema de Programao Linear est na forma Cannica ou
na forma de Desigualdade do tipo se este se encontrar na seguinte forma:
Max. (ou Min.) z = c
1
x
1
+ c
2
x
2
++ c
n
x
n
;


s.a.: a
11
x
1
+ a
12
x
2
+ ... + a
1n
x
n
b
1

....
a
m1
x
1
+ a
m2
x
2
+ ... + a
mn
x
n
b
m



26
Na forma matricial:
max (ou min) z = c
T
x
s.a. Ax b
x 0
onde x,c
n
, b
m
, A
mxn

Exemplo 2.4.2: Max z 2x
1
+ 3x
2

s.a. 5x
1
+ x
2
0
3x
1
+ 2x
2
0
x
1
+ 4x
2
0
x
1
, x
2
0

2.4.1.3- Forma Padro
Dizemos que um Problema de Programao Linear est na forma Padro ou na
forma standard se este se encontrar na seguinte forma matricial:
max (ou min) z = c
T
x
s.a. Ax = b
x 0
onde x,c
n
, b
m
, A
mxn

2.4.5- Transformao de PPLs gerais na forma padro.
Para transformar um Problema de Programao Linear (que se apresenta em
forma de um sistema de inequaes e equaes lineares) em um sistema de somente
equaes lineares, deve-se fazer:
2.4.5.1) Se b
i
< 0:
Deve-se multiplicar a linha i do sistema por (-1).

Exemplo 2.4.3:
Max. 5x
1
+ 3x
2
Max. 5x
1
+ 3x
2

sa 2x
1
+ x
2
8 sa 2x
1
+ x
2
8
-x
1
+ 2x
2
-3 (b
i
< 0) x
1
- 2x
2
3
x
1
, x
2
0 x
1
, x
2
0

2.4.5.2) Se x
i
no modelo for livre de sinal ou irrestrito:
x
i
qualquer ou livre de sinal x
i
0 ou x
i
0.
27
Escreve-se x
i
em funo de x
i
e x
i
, ou seja:
x
i
= x
i
- x
i
com x
i
0 e x
i
0.

Exemplo 2.4.4:
Max. 5x
1
+ 3x
2
Max. 5x
1
+ 3(x
2
x
2
)
sa 2x
1
+ x
2
8 sa 2x
1
+ (x
2
x
2
) 8
x
1
+ 2x
2
3 x
1
- 2(x
2
x
2
) 3
x
1
0, x
2
livre x
1
, x
2
, x
2
0
x
2
= x
2
x
2

Observao:
Se x
i
= x
i
x
i
=0.
Se x
i
> x
i
x
i
> 0.
Se x
i
< x
i
x
i
< 0.

2.4.5.3) Ocorrncia de x
i
0:
Troca-se x
i
por - x
i
, onde x
i
0.

Exemplo 2.4.5:
Max. 5x
1
+ 3x
2
Max. 5x
1
3x
2

sa 2x
1
+ x
2
8 sa 2x
1
x
2
8
x
1
+ 2x
2
3 x
1
2x
2
3
x
1
0, x
2
0 x
1
, x
2
, x
2
0
x
2
= x
2


2.4.5.4) Se: ::

Soma-se x
n+i
no membro da esquerda da linha i do sistema e considera-se o
novo n = n + i (varivel de folga), com x
n+i
0.




i
n
1 j
j ij
b x a
=

28
Exemplo 2.4.5:
Max. 5x
1
+ 3x
2
Max. 5x
1
+ 3x
2

sa 2x
1
+ x
2
8 sa 2x
1
+ x
2
+ x
3
= 8
-x
1
+ 2x
2
-3 x
1
- 2x
2
+ 0x
3
+ x
4
= 3
x
1
, x
2
0 x
1
, x
2
,x
3
, x
4
0
2.4.5.5) Se
i
n
1 j
j ij
b x a
=


Subtrair-se x
n+i
no membro da esquerda da linha i e considerar-se o novo n
= n + j (varivel de excesso), com x
n+i
0.

Exemplo 2.4.6:
Max. 5x
1
+ 3x
2
Max. 5x
1
+ 3x
2

sa 2x
1
+ x
2
8 sa 2x
1
+ x
2
- x
3
= 8
x
1
+ 2x
2
3 x
1
- 2x
2
- 0x
3
- x
4
= 3
x
1
, x
2
0 x
1
, x
2
,x
3
, x
4
0

2.4.5.6) Maximizar uma funo objetivo equivalente a minimizar o seu simtrico, ou
seja:
Mx. z = c
T
x Min. -z = -c
T
x.