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 />
60 CAPÍTULO 3. O MÉTODO SIMPLEX<br />
No objetivo, subtraímos do vetor x um outro vetor, y, com coeficientes<br />
muito gran<strong>de</strong>s. Multiplicaremos um valor gran<strong>de</strong> M por um vetor <strong>de</strong> variáveis<br />
artificiais y.<br />
Exemplo 3.17.<br />
max : c T x − M(1 T y) (3.6)<br />
s.a.: Ax + y = b<br />
x, y ≥ 0<br />
max x 1 + 2x 2<br />
s.a.: − x 1 ≤ −1<br />
x 1 + x 2 ≤ 3<br />
x ≥ 0<br />
A representação gráfica <strong>de</strong>ste problema é mostrada na próxima figura.<br />
Observe que a origem não é viável, por isso não po<strong>de</strong>mos usar (0, 0) como<br />
solução viável básica.<br />
Usando o método do M gran<strong>de</strong> com M = 10, obtemos um novo problema.<br />
max x 1 + 2x 2 − 10(y 1 + y 2 )<br />
s.a.: − x 1 + y 1 ≤ −1<br />
x 1 + x 2 + y 2 ≤ 3<br />
x, y ≥ 0<br />
Versão Preliminar<br />
Observe que as variáveis y i aparecem no objetivo com sinal negativo e<br />
multiplicadas pelo valor M, muito gran<strong>de</strong> – assim, quando M for suficientemente<br />
gran<strong>de</strong>, teremos a solução ótima com y = 0, e o problema<br />
torna-se equivalente ao problema original, <strong>de</strong> on<strong>de</strong> partimos. ◭