Programação Linear (e rudimentos de otimização não-linear)
Programação Linear (e rudimentos de otimização não-linear)
Programação Linear (e rudimentos de otimização não-linear)
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
notas <strong>de</strong> aula – versão 64 - Jerônimo C. Pellegrini<br />
104 CAPÍTULO 6. OUTROS MÉTODOS<br />
E neste novo problema temos y = e, que evi<strong>de</strong>ntemente é um ponto viável.<br />
Moveremos y na direção do gradiente do objetivo. No entanto, não<br />
queremos sair da região viável. Uma maneira <strong>de</strong> permanecer na região<br />
viável é modificar a função objetivo, projetando-a no espaço nulo <strong>de</strong> S.<br />
Teorema 6.6. Se x ′ é solução viável para um problema cujas restrições são<br />
Ax = b, e y pertence ao espaço nulo <strong>de</strong> A, então x ′ + y também é viável.<br />
Demonstração. Trivialmente, temos<br />
Ax ′ = b<br />
Ay = 0 (y está no espaço nulo <strong>de</strong> A)<br />
Ao somarmos y à solução viável x ′ , obtemos outra solução viável:<br />
A(x ′ + y) = Ax ′ + Ay = b + 0 = b.<br />
O operador <strong>de</strong> projeção no espaço nulo <strong>de</strong> S é 2<br />
P = I − S T ( SS T ) −1<br />
S<br />
= I − (AD) T [ AD(AD) T ] −1<br />
AD<br />
= I − DA T [ AD 2 A T ] −1<br />
AD (D = D T (é diagonal))<br />
A projeção do gradiente c T T no espaço nulo <strong>de</strong> AD é<br />
c p = P(c T D) T<br />
= PDc<br />
= I − DA T [ AD 2 A T ] −1<br />
AD (Dc)<br />
= I − DA T [ AD 2 A T ] −1<br />
AD 2 c.<br />
Versão Preliminar<br />
Se c p (que é o gradiente do objetivo, projetado) for igual a zero, não há<br />
direção viável que melhore a solução, que portanto é ótima.<br />
2 Uma <strong>de</strong>monstração <strong>de</strong> que este <strong>de</strong> fato é o projetor no espaço nulo po<strong>de</strong> ser encontrada<br />
no livro <strong>de</strong> Harry Dym [Dym07].