08.02.2015 Views

Programação Linear (e rudimentos de otimização não-linear)

Programação Linear (e rudimentos de otimização não-linear)

Programação Linear (e rudimentos de otimização não-linear)

SHOW MORE
SHOW LESS

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 />

Capítulo 5<br />

Análise <strong>de</strong> Sensibilida<strong>de</strong><br />

Este capítulo será reescrito<br />

Suponha que tenhamos encontrado a solução x ∗ , ótima para o programa<br />

<strong>linear</strong><br />

max c T x s.a.: Ax ≤ b.<br />

Verificaremos o quanto po<strong>de</strong>mos mudar no problema sem mudar sua solução<br />

ótima, que já encontramos. A isso damos o nome <strong>de</strong> análise <strong>de</strong> sensibilida<strong>de</strong>.<br />

5.1 Mudanças no objetivo<br />

Mudar coeficientes no vetor que <strong>de</strong>fine a função objetivo terá um único<br />

efeito importante: o gradiente mudará <strong>de</strong> direção. Se o ângulo for suficientemente<br />

gran<strong>de</strong>, a solução ótima po<strong>de</strong> mudar.<br />

Teorema 5.1. Suponha que um valor ∆ tenha sido somado ao coeficiente<br />

c k . Se x k estiver na base, a solução ótima será a mesma, x ∗ , do problema<br />

original se<br />

∆ ≥ (c j − z j )<br />

se a kj > 0<br />

a kj<br />

∆ ≤ (c j − z j )<br />

se a kj < 0<br />

a kj<br />

Se x k não estiver na base, a solução continuará sendo ótima se<br />

∆ ≤ −(c k − z k ).<br />

Versão Preliminar<br />

89

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!