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 />
30 CAPÍTULO 2. CONJUNTOS CONVEXOS E SOLUÇÕES VIÁVEIS<br />
Segundo caso (colunas L.D.): se a 1 , . . . , a k são L.D., então existem α 1 , . . . , α k ,<br />
com pelo menos um α j > 0 tais que<br />
∑<br />
αj a j = 0<br />
Multiplicamos a equação por ε:<br />
k∑<br />
εα j a j = 0 (2.4)<br />
Temos também, da <strong>de</strong>finição do programa <strong>linear</strong>, que<br />
Calculamos agora (2.5) − (2.4):<br />
j=1<br />
k∑<br />
x j a j = b (2.5)<br />
j=1<br />
k∑<br />
x j a j − εα j a j = b<br />
j=1<br />
k∑<br />
a j (x j − εα j ) = b<br />
j=1<br />
e portanto os (x j − εα j ) formam uma solução para o sistema Ax = b.<br />
Para garantir que a solução é viável escolhemos<br />
{ }<br />
xi<br />
ε = min , α i > 0<br />
j α i<br />
Seja p o índice do mínimo <strong>de</strong>finido acima, <strong>de</strong> forma que ε = x p /α p . Para<br />
p,<br />
(x p − εα p ) = x p − x pα p<br />
= 0<br />
α p<br />
Para i ≠ p,<br />
(x i − εα i ) = x i − x pα i<br />
.<br />
α p<br />
Como x i > 0 e xpα i<br />
α p<br />
≤ x i , temos x i ≥ 0 (não teremos uma solução inviável).<br />
A variável <strong>de</strong> índice p torna-se zero, e a nova solução<br />
Versão Preliminar<br />
x ′ = (x 1 − εα 1 , . . . , x k−1 − εα k−1 , 0, . . . , 0)<br />
tem então no máximo k − 1 variáveis positivas. Se as colunas associadas<br />
com estas k − 1 variáveis ainda forem L.D. repetimos a operação; senão, o<br />
primeiro caso se aplica.