← Voltar ao Blog••10 min de leitura

Compreendendo o Método do Big-M em Programação Linear (Exemplo Passo a Passo)

Domine o método do Big-M para restrições de >= e = em Programação Linear. Entenda variáveis de folga, excesso e artificiais com um exemplo resolvido passo a passo.

Solucionador Interativo

Experimente a Calculadora Simplex e de Sensibilidade Passo a Passo

Insira sua função objetivo e restrições para visualizar cada quadro, elementos pivô e análise de sensibilidade em tempo real.

Abrir Calculadora Simplex →

Por que precisamos do Método Big-M?

O método Simplex padrão estabelece facilmente uma base viável inicial quando todas as restrições são do tipo ≤, pois as variáveis de folga formam uma matriz identidade na origem $(x=0)$. Contudo, quando há restrições ≥ ou =, a origem não é viável e não existe uma base óbvia. O Método do Big-M soluciona essa limitação aplicando penalidades massivas a variáveis artificiais em nossa Calculadora do Método Simplex.

Variáveis de Folga, Excesso e Artificiais

  • Variáveis de Folga ($s_i ≥ 0$): Adicionadas a restrições ≤ ($+s_i$). Expressam capacidade de recurso ociosa.
  • Variáveis de Excesso ($e_i ≥ 0$): Subtraídas de restrições ≥ ($-e_i$). Medem a superação do requisito mínimo. Em $x=0$, $-e_i = b_i ⇒ e_i = -b_i < 0$, violando a não negatividade.
  • Variáveis Artificiais ($a_i ≥ 0$): Somadas ($+a_i$) a restrições ≥ e =. Não possuem significado físico no modelo: são artifícios matemáticos para dar partida no quadro Simplex.

A Penalidade do Big-M na Função Objetivo

  • Em Maximização: Subtrai-se $M \times a_i$: $\max Z = \sum c_j x_j - M \sum a_i$.
  • Em Minimização: Soma-se $M \times a_i$: $\min Z = \sum c_j x_j + M \sum a_i$.

Exemplo Prático Resolvido e Validado

Resolva este mesmo problema passo a passo em nossa Calculadora do Método Simplex:

  Maximizar   Z = 3x₁ + 5x₂
  Sujeito a:
    x₁ +  x₂ ≥ 2     (Restrição 1: Demanda mínima)
   2x₁ + 3x₂ ≤ 12    (Restrição 2: Limite de recurso)
    x₁, x₂ ≥ 0
        

Passo 1: Forma Padrão

  • Restrição 1 (≥): $x_1 + x_2 - e_1 + a_1 = 2$
  • Restrição 2 (≤): $2x_1 + 3x_2 + s_2 = 12$
  • Base inicial: ${a_1, s_2}$. Variáveis: $x_1, x_2, e_1, s_2, a_1 ≥ 0$.

Passo 2: Operação Prévia de Linha em Z

Linha Z com penalidade: $Z - 3x_1 - 5x_2 + M a_1 = 0$. Eliminamos $a_1$ subtraindo $M \times (\text{Linha } 1)$:

  Nova Linha Z = [Z - 3x₁ - 5x₂ + M a₁] - M × [x₁ + x₂ - e₁ + a₁ = 2]
  ⇒ Z - (3 + M)x₁ - (5 + M)x₂ + M e₁ + 0s₂ + 0a₁ = -2M
        

Passo 3: Quadro Inicial (Iteração 0)

Basex₁x₂e₁s₂a₁LDRazão Mínima
Z-(3 + M)-(5 + M)M00-2M—
a₁11-10122 / 1 = 2 (mín) ← Pivô
s₂230101212 / 3 = 4

Passo 4: Iteração 1

Entra $x_2$ e sai $a_1$. O pivô é 1 na linha $a_1$. Gauss-Jordan zera a coluna de $x_2$ e elimina o termo $M$ do LD:

Basex₁x₂e₁s₂a₁LDRazão Mínima
Z20-505 + M10—
x₂11-1012-1 ≤ 0 (ignorado)
s₂-1031-366 / 3 = 2 ← Pivô

Passo 5: Iteração 2 (Quadro Ótimo)

Entra $e_1$ e sai $s_2$. O pivô é 3 na linha $s_2$:

Basex₁x₂e₁s₂a₁LD
Z1/3005/3M20
x₂2/3101/304
e₁-1/3011/3-12

Interpretação da Solução Ótima

Todos os coeficientes da linha Z são não negativos ($1/3 ≥ 0, 5/3 ≥ 0, M ≥ 0$). A solução ótima foi alcançada:

  • Variáveis de decisão: $x_1^* = 0$, $x_2^* = 4$.
  • Variáveis de folga/excesso: $e_1 = 2$ (restrição 1 tem excedente de 2), $s_2 = 0$ (restrição 2 está totalmente consumida).
  • Valor ótimo: $Z^* = 3(0) + 5(4) = 20$.
  • Factibilidade: Variável artificial $a_1 = 0$ fora da base.

Visualize geometricamente em nossa Calculadora do Método Gráfico.

Big-M versus Método das Duas Fases

Para evitar erros de precisão numérica computacional com a constante $M$, softwares industriais preferem o Método das Duas Fases.

Erros Frequentes de Alunos

  1. Esquecer a eliminação prévia de $M$ na linha Z antes do primeiro pivoteamento.
  2. Trocar o sinal da penalidade ($-M$ em maximização e $+M$ em minimização).
  3. Calcular razão mínima com coeficientes negativos ou nulos.
  4. Aprofunde seus estudos sobre preços sombra e análise de sensibilidade.

Pronto para resolver seu modelo de Programação Linear?

Obtenha soluções instantâneas passo a passo com análise completa de sensibilidade e preços sombra para qualquer modelo de PL.

Iniciar Calculadora Simplex