Elysia Tools

Explore ferramentas, exemplos, explicações visuais e guias temáticos em um espaço claro.

Categorias populares

Temas

Idioma
ZHDERUPTENFRES

Elysia Tools

Navegação

Math & Numbers

Resolvedor de programação linear por simplex (duas fases)

· Última atualização:2026-08-24

Resolve programas lineares pequenos (2–6 variáveis, 1–8 restrições) pelo método simplex de duas fases: suporta max/min e restrições ≤/≥/= (lado direito negativo é normalizado; ≥/= passam pela fase 1 com variáveis artificiais) e usa a regra de Bland contra ciclagem; cada iteração mostra a variável entrante/saindo e o valor objetivo, e são reportados a solução ótima x*, o valor objetivo e o status (ótimo/ilimitado/inviável), verificados por substituição. Clássicos: max 3x+5y s.a. x≤4, 2y≤12, 3x+2y≤18 → (2,6), z=36; min 2x+3y s.a. x+y≥4, x+3y≥6 → (3,1), z=9.

Execução

Executar esta ferramenta

Preencha o formulário, execute a ferramenta e veja o resultado no mesmo lugar.

Exemplos

Exemplos compatíveis com esta ferramenta

Relacionado

Continue com ferramentas e temas relacionados

Escrito pela equipe Elysia Tools

Guia de uso da ferramenta

Veja quando usar esta ferramenta, o que ela suporta e como os usuários a aplicam.

Fatos principais

Categoria
Math & Numbers
Tipos de entrada
text, select, textarea, number
Tipo de saída
text
Cobertura de exemplos
4
API pronta
Sim

Visão geral

Este resolvedor de programação linear utiliza o método simplex de duas fases para encontrar a solução ótima de modelos matemáticos com 2 a 6 variáveis e 1 a 8 restrições. Ele suporta funções de maximização ou minimização com restrições dos tipos ≤, ≥ e =, aplicando a regra de Bland contra ciclagem e exibindo o passo a passo de cada iteração de pivoteamento com validação por substituição.

Quando usar

  • Quando você precisa resolver problemas clássicos de otimização de recursos, produção ou mistura de insumos.
  • Para verificar exercícios acadêmicos de Pesquisa Operacional que exigem o método simplex tabular em uma ou duas fases.
  • Ao identificar se um problema linear possui solução ótima, é ilimitado ou não possui região viável (inviável).

Como funciona

  1. 1Informe os coeficientes da função objetivo, selecione o objetivo (maximizar ou minimizar) e defina as restrições com seus respectivos operadores (<=, >=, =).
  2. 2O algoritmo normaliza termos independentes negativos e, caso existam restrições >= ou =, executa a Fase 1 com variáveis artificiais para encontrar uma base viável inicial.
  3. 3Na Fase 2, o método simplex itera sobre os vértices viáveis usando a regra de Bland até atingir o valor ótimo ou identificar que o problema é ilimitado.
  4. 4A ferramenta exibe o log de pivoteamento de cada iteração, a solução x*, o valor da função objetivo e a verificação por substituição direta.

Casos de uso

  • Maximização de lucros em planejamento de mix de produção sujeito a limites de matéria-prima e capacidade de máquina.
  • Minimização de custos em problemas de formulação de dietas ou rações respeitando limites nutricionais mínimos.
  • Análise de viabilidade e conferência passo a passo de pivôs em estudos de Pesquisa Operacional e Álgebra Linear.

Exemplos

1. Maximização de mix de produção (Apenas restrições ≤)

Estudante de Engenharia de Produção

Contexto

Precisa resolver um modelo de produção para duas linhas de produtos onde as horas de corte, montagem e acabamento são limitadas.

Problema

Calcular a quantidade de cada produto a fabricar para obter a receita máxima respeitando os limites de horas.

Como usar

Insira os coeficientes de lucro na função objetivo, marque a opção Maximizar e adicione as três restrições de capacidade com o operador <=.

Objetivo: 3, 5 | Meta: max | Restrições:
1, 0 <= 4
0, 2 <= 12
3, 2 <= 18

Resultado

Solução ótima encontrada em x1 = 2 e x2 = 6, com valor máximo da função objetivo igual a 36.

2. Minimização de custo de dieta (Restrições ≥ e Fase 1)

Analista de Pesquisa Operacional

Contexto

Deseja formular uma ração de custo mínimo composta por dois ingredientes que garanta níveis nutricionais diários mínimos.

Problema

Encontrar a combinação de menor custo que satisfaça duas restrições de exigência nutricional mínima.

Como usar

Perguntas frequentes

Como o resolvedor trata restrições com >= ou =?

Ele adiciona variáveis de excesso e artificiais, executando a Fase 1 do simplex para zerar as variáveis artificiais antes de otimizar a função original na Fase 2.

O que acontece se uma restrição tiver um lado direito negativo?

O resolvedor multiplica toda a linha da restrição por -1 e inverte o sentido da desigualdade antes de montar a tabela inicial.

Quantas variáveis e restrições são suportadas?

A ferramenta suporta modelos lineares contendo entre 2 e 6 variáveis de decisão e de 1 a 8 linhas de restrições.

Como a ferramenta evita loops infinitos durante o pivoteamento?

O algoritmo implementa a regra de menor índice de Bland para desempatar a escolha das variáveis que entram e saem da base, prevenindo a ciclagem.

Quais status de solução o algoritmo pode retornar?

O resultado indicará se o problema é OPTIMAL (solução ótima encontrada), UNBOUNDED (ilimitado) ou INFEASIBLE (sem solução viável).

Início
Ferramentas3212
Exemplos593
Visualizações471
Visualizadores de arquivos103
Temas239
Etiquetas333
Imagens, áudio e vídeo657

Ferramentas de processamento, conversão e otimização de imagens, áudio e vídeo

Matemática, datas e finanças647

Calculadoras, ferramentas numéricas, lógica de datas, estatística e finanças

Design e cor298

Ferramentas de cor, layout, gráficos, estilo visual e apoio ao design

Texto e escrita209

Ferramentas de escrita, limpeza, formatação, extração e análise de texto

Desenvolvimento e Web193

Utilitários para desenvolvedores, rede, depuração web e automação

Conversão e codificação175

Ferramentas de conversão de formatos, arquivos, unidades, arquivos compactados e codificação

Lançamento de quiz de captação e transferência de contatos
Textos memoriais: revisão familiar e entrega para impressão
Hábitos privados: backup, restauração e revisão para partilha
De artigo a rascunhos de X e LinkedIn: revisão factual e entrega
Revisão de aula Markdown interativa e entrega offline

© 2026 Elysia Tools. Todos os direitos reservados.

DocumentaçãoPreçosSobreTermos de serviçoPolítica de privacidadeCookiesContato
Java

Exemplos de Processamento de Imagem Android Java

Exemplos de processamento de imagem Android Java incluindo leitura/escrita, dimensionamento e conversão de formato

Kotlin

Exemplos de Processamento de Imagem Android Kotlin

Exemplos de processamento de imagem Android Kotlin incluindo leitura/escrita, dimensionamento e conversão de formato

Python

Exemplos de Processamento de Imagem Web Python

Exemplos de processamento de imagem Web Python usando PIL/Pillow incluindo leitura, salvamento, redimensionamento e conversão de formato

Objective-C

Processamento de Imagem macOS Objective-C - Exemplos

Exemplos de processamento de imagem macOS Objective-C incluindo leitura/escrita de imagem, redimensionamento de imagem e conversão de formato

Data Analysis

Analisador de Correlação

Ferramenta avançada de análise de correlação que calcula coeficientes de correlação entre variáveis para medir a força e direção de suas relações lineares. Perfeito para análise estatística, modelagem financeira, pesquisa científica e exploração de dados. Recursos: - Múltiplos métodos de correlação (Pearson, Spearman, Kendall) - Geração de matriz de correlação - Teste de significância estatística (valores-p) - Cálculo de intervalos de confiança - Visualização de mapa de calor - Geração de matriz de gráficos de dispersão - Estratégias de tratamento de valores ausentes - Detecção e tratamento de valores atípicos - Capacidades de análise de grupo - Relatórios estatísticos detalhados Casos de Uso Comuns: - Análise de mercado financeiro e avaliação de risco - Pesquisa científica e teste de hipóteses - Análise de comportamento do cliente e marketing - Análise de dados de saúde e médicos - Controle de qualidade e otimização de processos - Avaliação de desempenho educacional

Design

Composição de Imagens

Compor múltiplas imagens juntas com controle preciso sobre posição, opacidade e modos de mistura

Design

Extrair Região da Imagem

Extrai uma região retangular específica de uma imagem especificando dimensões e posição da área

Data Analysis

Avaliador de poda Parquet por filtros bloom, mapas de zonas, dicionários e estatísticas de colunas

Decodifica o footer thrift do Parquet e quantifica a poda por predicate pushdown: min/max dos mapas de zonas, filtros bloom split-block (XXH64), razões de dicionário e codificações, com estimativas de economia por grupo de linhas para cláusulas WHERE de exemplo.

Informe os custos unitários, selecione Minimizar e cadastre as exigências mínimas utilizando o operador >=.

Objetivo: 2, 3 | Meta: min | Restrições:
1, 1 >= 4
1, 3 >= 6

Resultado

O simplex executa a Fase 1 para eliminar variáveis artificiais e atinge o ótimo na Fase 2 em x1 = 3 e x2 = 1, com custo mínimo z = 9.