Programação Linear (e rudimentos de otimização não-linear)
Programação Linear (e rudimentos de otimização não-linear)
Programação Linear (e rudimentos de otimização não-linear)
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
notas <strong>de</strong> aula – versão 64 - Jerônimo C. Pellegrini<br />
92 CAPÍTULO 5. ANÁLISE DE SENSIBILIDADE<br />
• Para j = 4: como a 14 = −1/3 < 0, temos<br />
∆ ≤ −5/3<br />
−1/3 = +5.<br />
Assim, com ∆ ∈ [−1, +5] garantimos a otimalida<strong>de</strong> da solução que já tínhamos.<br />
De fato, para qualquer função objetivo entre 2x + 4y e 8x + 4y<br />
(ou seja, da forma [2, 8]x + 4y), a solução x = 2 e y = 3 continua ótima, mas<br />
fora <strong>de</strong>sse intervalo não.<br />
5.2 Mudanças no vetor b<br />
Teorema 5.3. Suponha que um valor ∆ k tenha sido somado ao coeficiente<br />
b k , resultando em b ′ . A solução ótima continuará sendo a mesma se<br />
∆ k ≥ − x∗ i<br />
, se B ik > 0<br />
B ik<br />
∆ k ≤ − x∗ i<br />
, se B ik < 0<br />
B ik<br />
Demonstração. Observamos que não temos somente uma solução x ∗ . Temos<br />
uma base A B , e calculamos nossa solução<br />
x ∗ = A −1<br />
B b.<br />
A mudança em b mudança não afeta o critério <strong>de</strong> otimalida<strong>de</strong> (c j − z j ≤ 0)<br />
para nossa base – se ela continuar representando uma solução viável, será<br />
ainda ótima. Seja<br />
x ∗∗ = A −1<br />
B b′<br />
Se <strong>de</strong>notarmos B = A −1<br />
B , temos<br />
Então queremos<br />
= A −1<br />
B b + A−1 B<br />
(0, 0, . . . , ∆ k, . . . , 0) T<br />
x ∗∗<br />
i = x ∗ i + B ik∆ k .<br />
Versão Preliminar<br />
x ∗∗<br />
i ≥ 0<br />
x ∗ i + B ik∆ k ≥ 0,<br />
o que nos leva diretamente ao enunciado do Teorema.