Calculadora do Método Simplex — Passo a Passo

Solucionador matemático passo a passo para Programação Linear. Resolva modelos de maximização e minimização com Simplex padrão, Big-M e análise de sensibilidade.

Pesquisa Operacional & Programação Linear

Guia Acadêmico do Método Simplex

Descubra como o algoritmo Simplex navega por poliedros viáveis, soluciona restrições >= com Big-M e calcula preços sombra gerenciais.

01

O que o Método Simplex resolve?

O algoritmo Simplex resolve modelos de Programação Linear (PL) determinando a alocação ótima para uma função objetivo sob restrições lineares. Geometricamente, o conjunto de soluções viáveis forma um poliedro convexo, e o teorema fundamental garante que a solução ótima ocorre em um vértice extremo. O Simplex percorre arestas adjacentes sucessivas com valores crescentes de Z até comprovar a otimalidade global.

02

Quando e por que utilizar o Método Big-M?

O Simplex clássico requer uma base viável inicial imediata (matriz identidade), gerada naturalmente pelas variáveis de folga quando todas as restrições são do tipo <=. Havendo restrições >= ou =, a origem (0,0) é inviável. O Big-M adiciona variáveis artificiais penalizadas com peso M na função objetivo. Se alguma variável artificial permanecer positiva no quadro final, o modelo original é inviável.

03

Interpretando Quadros e Análise de Sensibilidade

Cada iteração atualiza a tabela por eliminação de Gauss-Jordan. A variável que entra na base possui o custo reduzido mais negativo na linha Z, e a variável que sai é encontrada pelo teste da razão mínima estritamente positiva. Nosso solucionador calcula ainda os preços sombra (valores duais) sob as variáveis de folga, revelando o ganho marginal de cada unidade adicional de recurso escasso.

Perguntas Frequentes (FAQ)

Como decidir entre o Método Big-M e o das Duas Fases?

Ambos resolvem restrições >= e =. O Big-M emprega uma penalidade constante M elevada na função objetivo, sendo excelente para fins pedagógicos. O Método das Duas Fases divide o processo em viabilidade (Fase I) e otimização (Fase II). O Simplex Solver Pro implementa o método Big-M para o passo a passo dos quadros; você pode ler nosso guia de Duas Fases para comparar as duas abordagens.

Como tratar uma restrição com termo independente (LD) negativo?

Restrições com LD negativo (ex.: 2x1 + x2 <= -4) devem ser normalizadas antes do quadro multiplicando toda a desigualdade por -1, o que inverte o sinal da inequação (-2x1 - x2 >= 4).

Como o algoritmo detecta soluções ilimitadas ou múltiplos ótimos?

Se todos os elementos da coluna pivô forem menores ou iguais a zero, nenhuma razão positiva é calculada, provando que o problema é ilimitado. Se uma variável não básica apresentar custo reduzido zero no quadro ótimo, existem múltiplos ótimos alternativos.

Qual o significado prático do Preço Sombra?

O preço sombra representa o valor marginal de um recurso escasso. Em restrições ativas (folga = 0), ele é positivo e indica o acréscimo exato no lucro obtido com uma unidade extra daquele recurso dentro do intervalo de factibilidade.