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 />
6.2. PONTOS INTERIORES 105<br />
Se c p ≠ 0, moveremos y em sua direção. Nos falta então <strong>de</strong>terminar<br />
quanto movê-lo. Seja então δ > 0. A nova solução será<br />
Assim,<br />
y ′ = y + δc p<br />
D −1 y ′ = D −1 x + δc p<br />
x ′ = x + δDc p .<br />
d = Dc p<br />
é o gradiente projetado, mas no espaço-x.<br />
Já garantimos que a nova solução respeitará as restrições do problema,<br />
porque projetamos o gradiente no espaço nulo <strong>de</strong> S. No entanto, ainda<br />
falta garantir que a solução seja não-negativa: precisamos que x ′ ≥ 0 (ou<br />
seja, todos os componentes <strong>de</strong> x ′ <strong>de</strong>vem ser positivos). Como x ′ = Dy ′ ,<br />
x ′ ≥ 0<br />
Dy ′ ≥ 0<br />
D(y + δc p ) ≥ 0<br />
D(e + δc p ) ≥ 0 (y = e)<br />
De + δDc p ) ≥ 0<br />
x + δd ≥ 0<br />
δd ≥ −x.<br />
(D tem x na diagonal)<br />
Para os componentes positivos <strong>de</strong> d i esta condição é trivialmente satisfeita.<br />
Quando d i < 0, precisamos <strong>de</strong><br />
Po<strong>de</strong>mos então tomar<br />
δ ≤ − x i<br />
.<br />
d i<br />
{<br />
δ = min − x }<br />
j<br />
: d j < 0 .<br />
j≤n d j<br />
Versão Preliminar<br />
Note que estamos minimizando em um conjunto <strong>de</strong> números positivos<br />
(x j /d j , com d j < 0, x j > 0).<br />
Para termos x ′ ponto interior (e não na fronteira do poliedro), po<strong>de</strong>mos<br />
escolher um valor um pouco aquém do que o δ calculado acima nos daria<br />
(por exemplo, αδ, com α = 0.95).