Programação Linear

Hector Flores Callisaya

 Geometria de Poliedros

0.1 Introdução
Neste capítulo, exploramos conjuntos no espaço euclidiano definidos por inequações li-
neares, que denominamos poliedros. Em especial, caracterizamos, tanto do ponto de vista
topológico quanto do algebrico, os vértices desses poliedros, demonstrando que essas caracte-
rísticas são suficientes para descrever completamente o poliedro.

x2
x1

2
+
2x 2
=
3

1 2x
1 +

Regiao
x2
=
3

Factivel
0
-1 0 1 2 x1

-1

0.2 Poliedros e conjuntos convexos

Apresentamos os seguintes conceitos que serão empregados para descrever de maneira
formal as restrições tecnológicas em um problema de programação linear.

Definição 0.1. — Um poliedro é um conjunto P ⊂ Rn que pode ser escrito na forma

{x ∈ Rn |Ax ≥ b},

onde A ∈ R(m, n) e b ∈ Rn .

Um poliedro pode ser um conjunto contido em uma região limitada, ou pode ser um
conjunto não limitado.
Quando tratamos de um poliedro determinado por uma equação linear, neste contexto,
atribuímos-lhe as seguintes denominações.

ii
0.2. POLIEDROS E CONJUNTOS CONVEXOS iii

Definição 0.2. — Seja a ∈ Rn e a 6= 0 e b ∈ R

a) O conjunto {x ∈ Rn | ha, xi = b} é chamado de hiperplano.

b) O conjunto {x ∈ Rn | ha, xi ≥ b} é chamado de semi-espaço.

Os conjuntos convexos são uma classe importante na teoria dos conjuntos e na geometria.
Um conjunto é considerado convexo se, para quaisquer dois pontos dentro do conjunto, o
segmento de linha que os conecta também está inteiramente contido no conjunto.

Definição 0.3. — Um conjunto C ⊂ Rn é convexo se para todo x, y ∈ C e α ∈ [0, 1]

temos αx + (1 − α)y ∈ C.

O ponto αx + (1 − α)y, onde α ∈ [0, 1], se chama a conbinação convexa de x e y com

parâmetro α

y x

x
y

(a) Conjunto convexo (b) Conjunto não convexo

Exemplo 0.4. — O semi-espaço {x ∈ Rn | ha, xi ≥ b} é um conjunto convexo. De fato,

sejam x, y pois elementos no semi-espaço, então ha, xi ≥ b e ha, yi ≥ b. Mostremos que
z = αx + (1 − α)y também esta no conjunto para α ∈ [0, 1].

ha, zi = ha, αx + (1 − α)yi

= αha, xi + (1 − α)ha, yi
≥ αb + (1 − α)b
=b

Por tanto z ∈ {x ∈ Rn | ha, xi ≥ b}, logo é convexo.

Teorema 0.5. — Sejam Di ⊂ Rn , i ∈ I, conjuntos convexos, onde I é um conjunto

qualquer, então a interseção D = ∩i∈I Di é um conjunto convexo.

Demonstração. Sejam x ∈ D e y ∈ D, então pela definição de interseção x ∈ Di e y ∈ Di para

todo i ∈ I. Como os conjuntos Di são convexos para todo i ∈ I, então α x + (1 − α) y ∈ Di
para todo i e α ∈ [0, 1]. Por tanto D é convexo. 
iv GEOMETRIA DE POLIEDROS

Corolário 0.6. — Se P é um poliedro da forma 0.1, então P é convexo.

Demonstração. Definimos a família de semi-espaços Di = {x ∈ Rn |hai , xi ≥ bi }, para i =
1, . . . , m, onde ai = (ai1 , ai2 , . . . , ain ) por tanto cada Di é um conjunto convexo, pelo teorema
anterior ∩m i=1 Di é um conjunto convexo. Mas P = ∩i=1 Di , por tanto P é convexo.
m


0.2.1 Pontos Extremos, vértices e soluções básicas factíveis

Um ponto extremo de um conjunto convexo é um ponto que não pode ser expresso como
uma combinação convexa de outros pontos distintos dentro desse conjunto.

Definição 0.7. — Seja P um poliedro. Um ponto x ∈ P é chamado ponto extremo de P

se não é possível escrever na forma x = αx1 + (1 − α)x2 onde x1 , x2 ∈ P e x 6= x1 , x2 .

Em poliedros, os vértices são os pontos onde as arestas se encontram. Por exemplo, em

um cubo, cada uma das oito pontas onde três arestas se encontram é um vértice.

Definição 0.8. — Seja P um poliedro. Um ponto x ∈ P é chamado vértice de P se existe

c ∈ Rn , tal que hc, y − xi < 0 para todo y ∈ P .

y c
x 1 x x
x2

(a) Ponto extremo (b) Vértice de um poliedro

Figura 2: Conjuntos convexos

As definições de ponto extremo e vértice são conceitos que têm sua base na topologia de um
objeto. No entanto, a definição dos poliedros é estabelecida mediante inequações algebraicas.
Para caracterizar um ponto do ponto de vista algébrico ditos pontos, consideramos todas as
retas que passam por esse ponto e chamamos restrições ativas.
Seja P ⊂ Rn um poliedro definido da seguinte forma

P = x ∈ Rn hai , xi ≥ bi , i ∈ I (0.2.1)


sendo I um conjunto finito de índices, ai , x ∈ Rn . Isto é, os elementos de P satisfazem as

inequações

ai1 x1 + ai2 x2 + . . . + ain xn ≥ bi , ∀i ∈ I

0.2. POLIEDROS E CONJUNTOS CONVEXOS v

Definição 0.9. — Dado x ∈ P , definimos o conjunto

I(x) = i ∈ I | hai , xi = bi .


Se i ∈ I(x) então a restrição hai , xi = bi é dita restrição ativa.

Podemos observar que I(x) ⊂ I

Exemplo 0.10. — Seja P ⊂ R2 o poliedro definido pelas retas

 

 −x 1 − x 2 ≥ −3 

−x − 2 x ≥ −4
 
2 1 2
P = (x1 , x2 ) ∈ R

 x1 + 0 x2 ≥0  
0 x1 + x2 ≥0
 

Se definimos

a1 = −1 −1 , a2 = −1 −2 , a3 = −1 0 , a4 = 0 1 , x = x1 x2
         

Assim o poliedro pode ser escrito na forma

 

 ha1 , xi ≥ −3 

ha2 , xi ≥ −4
 
P = (x1 , x2 ) ∈ R2

 ha3 , xi ≥0 

ha4 , xi ≥0
 

x2
3

2
x1
+
x2
=
3

1
x1
+
2x
2 =
4

0 x1
-1 0 1 2 3 4

-1
Figura 3: Pontos extremos, Vértices
vi GEOMETRIA DE POLIEDROS

I((2, 1)) = {1, 2}

I((3, 0)) = {1, 4}
I((0, 2)) = {2, 3}
I((0, 0)) = {3, 4}
I((1, 0)) = {4}
I((1, 1.5)) = {2}
I((1, 1)) = ∅

Lema 0.11. — Seja x ∈ Rn e I(x) restrições ativas em x. Então as seguintes afirmações são
equivalentes:

a) span {ai ∈ Rn |i ∈ I(x)} = Rn .

b) O sistema hai , xi = bi , i ∈ I(x) possui uma única solução.

Demonstração. a) ⇒ b) Suponha que o sistema hai , xi = bi , i ∈ I(x) possui mais de uma

solução, isto é existem x, y diferentes tais que:

hai , xi = bi , ∀i ∈ I(x), (0.2.2)

hai , yi = bi , ∀i ∈ I(x), (0.2.3)

Seja d = y − x ∈ Rn , assim d 6= 0, pois x 6= y. Somando as equações anteriores obtemos

0 = hai , yi − hai , xi = hai , y − xi = hai , di, ∀i ∈ I(x),

assim d 6∈ span {ai |i ∈ I(x)} = Rn . Absurdo.!, portanto a solução é única.

b) ⇒ a) Mostremos a contra positiva [∼ a) ⇒∼ b)] Suponhamos que span {ai |i ∈ I(x)}
Rn , então existe d, tal que hai , di = 0, ∀i ∈ I(x),, Definimos yt = x + td, e calculando

hai , yt i = hai , x̄ + tdi

= hai , x̄i + t hai , x̄i
= bi , ∀i ∈ I(x)

como t é um numero real arbitrário, todo yt é uma solução para todo t ∈ R, assim o sistema
possui infinitas soluções. 
0.2. POLIEDROS E CONJUNTOS CONVEXOS vii

b2
i=
,x
xB1

ha 2
ha 1,

ha5 , xi = b5
x i=
b1
xB2

b3
i= x
ha 3,
ha4 , xi = b4

Figura 4: Solução Básica

Definição 0.12. — Seja P um poliedro e x ∈ Rn .

a) x ∈ Rn é uma solução básica se existem n restrições ativas L.I. em I(x).

b) x ∈ Rn é uma solução ativa factível se é solução básica e x ∈ P .

No exemplo 0.10 (2, 1) é uma solução básica pois

 existem 2 restrições ativas L.I. em I((2, 1)) =
{1, 2}, pois os vetores a1 = −1 −1 , a2 = −1 −2 são linearmente independentes. Além
disso o ponto (2, 1) é um ponto factível. Por tanto (2, 1) é uma solução ativa factível.

Teorema 0.13. — Seja P um poliedro e x ∈ P , as seguintes afirmações são equivalentes

a) x é um vértice,

b) x é um ponto extremo,

c) x é uma solução básica.

Demonstração. a) ⇒ b) Por hipótese x é um vértice, portanto existe c ∈ Rn tal que hc, x−yi < 0
para todo y ∈ P . Seja y, z ∈ P como y, z 6= x, então

hc, xi = αhc, xi + (1 − α)hc, xi

> αhc, yi + (1 − α)hc, zi
= hc, αy + (1 − α)zi

portanto hc, αy + (1 − α)z − xi < 0, assim concluímos que x é um ponto extremo.

b) ⇒ c) Mostremos o contra recíproco, isto é: [∼ c) ⇒∼ b)] ou x não é solução básica
então x não é ponto extremo. De fato, x se não eh solução básica, então span {ai | i ∈ I(x)} não
gera o espaço Rn , logo existe um vetor d ∈ Rn não nulo, tal que hai , di = 0 para todo i ∈ I(x).
viii GEOMETRIA DE POLIEDROS

Sejam y = x + d e z = x − d, é elementar provar que hai , yi = bi e hai , zi = bi para

todo i ∈ I(x). Seja i ∈ I \ I(x), então hai , xi > bi , definimos a função escalar

ϕ(t) = min hai , x + tdi − bi , i ∈ I \ I(x)



A função ϕ é continua e ϕ(0) > 0, portanto exite  > 0 tal que para todo t ∈ [−, ], ϕ(t) > 0,
isto é:

hai , x + tdi > bi , ∀ −  ≤ t ≤ , ∀i ∈ I \ I(x)

portanto y , z ∈ P e x = y +z
2
, logo x não é ponto extremo.
c) ⇒ a) Suponhamos que x seja uma solução básica, então o conjunto {ai ; i ∈ I(x)} gera
o espaço Rn ,

(0.2.4)
X X
h ai , xi = bi , ∀i ∈ I
i∈I i∈I

Seja y ∈ P um ponto arbitrário, então

X X X
h ai , y − xi = hai , yi − hai , xi
i∈I(x) i∈I(x) i∈I(x)
X X
= hai , yi − bi
i∈I(x) i∈I(x)
X X
≥ bi − bi = 0
i∈I(x) i∈I(x)

Portanto é suficiente definir c = − ai , c 6= 0 pois os vetores ai são L.I. e satisfaz

P
i∈I(x)

hc, y − xi ≤ 0 para todo y ∈ P (0.2.5)

Suponhamos que existe z ∈ P tal que

hc, y − zi ≤ 0 para todo y ∈ P (0.2.6)

substituindo x (0.2.6) e z em (0.2.5) obtemos

(0.2.7)
X
hc, zi = hc, xi = bi
i∈I(x)

como z ∈ P então hai , zi ≥ bi para todo i ∈ I, em particular para todo i ∈ I(x).

Afirmação. hai , zi = bi para todo i ∈ I(x), de fato: se existe i0 ∈ I(x) tal que hai , zi > bi
contradiz a equação (0.2.7). Portanto z é uma solução do sistema hai , xi = bi para todo i ∈ I(x),
Logo z = x pois x única com esta propriedade.
Finalmente

hc, y − xi < 0 para todo y ∈ P

0.2. POLIEDROS E CONJUNTOS CONVEXOS ix

logo x é um vértice. 

Corolário 0.14. — O número de vértices de um conjunto poliedral qualquer é finito

Demonstração. Fazendo uma transformação podemos considerar um poliedro da forma (0.2.1).

Consideremos todos os subconjuntos possíveis de I do conjunto I = {1, . . . , m}. portanto, o
número de vértices no pode ser maior o que o número de diferentes conjuntos de restrições
ativas. 

O poliedro da forma

P = {x ∈ Rn | 0 ≤ xi ≤ 1, ∀i ∈ In } (0.2.8)

esta determinado por 2 n inequações, porem o numero de solução básicas factíveis é 2n , assim
o número de vértices cresce exponencialmente com n.

Número de vértices

n! n n−1 n − (m − 1) n
n
Cm = ≥ ··· >( ) (0.2.9)
m! (n − m)! mm−1 m − (m − 1) m

20 =1
25 = 32
210 = 1024
215 = 32768
220 = 1048576
225 = 33554432
230 = 1073741824
235 = 34359738368
240 = 1099511627776
245 = 35184372088832
250 = 1125899906842624

0.2.2 Poliedros na forma Padrão

Dados A ∈ R(m, n) uma matriz com m linha e n colunas, e b ∈ Rm . O poliedro P definido

P = {x ∈ Rn | A x = b, x ≥ 0} (0.2.10)

é chamado poliedro na forma padrão,

Suponhamos que m ≪ n e que as linhas da matriz A são linearmente independente.
x GEOMETRIA DE POLIEDROS

Teorema 0.15. — Seja P = {x ∈ Rn | Ax = b, x ≥ 0} um poliedro na forma padrão, com

rank(A) = m. Um ponto x ∈ P é uma solução básica, se e somente se, A x = b existe
B ⊂ In com |B|= m tal que

a) O conjunto {a·j ∈ Rm | j ∈ B} é linearmente independente.

b) Se i 6∈ B então xi = 0

Demonstração. (⇐) Suponhamos que existe B ⊂ In , com |B|= m, consideremos o sistema

hai· , xi = bi ∀i = 1 . . . , m (0.2.11)
j
he , xi = 0 ∀j ∈ I(x) (0.2.12)

O sistema Ax = b, pode ser escrito na forma

hai· , xi = bi , ∀i ∈ {1, ..., m}

n
(0.2.13)
X
aij xj = bj , ∀i ∈ {1, ..., m}
j=1

(0.2.14)
X X
aij xj + aij xj = bj , ∀i ∈ {1, ..., m}
j∈B j ∈B
/

(0.2.15)
X
a·j xj = b.
j∈B

Por hipótese se i 6∈ B então xi = 0, então o sistema possui uma única solução pois os vetores
{a· j ∈ Rn | j ∈ B} é linearmente independente. logo o sistema (0.2.11) e (0.2.11) possui uma
única solução, portanto é uma solução básica.
(⇒) Suponhamos que x seja uma solução básica então o sistema (0.2.11) e (0.2.11) possui
uma única solução, Definimos o conjunto B0 = {j ∈ In ; xj > 0}
Afirmação. O conjunto {a·j ∈ Rm | j ∈ B0 } é um conjunto linearmente independente.
De fato, se {a·j ∈ Rn | j ∈ B0 } for linearmente dependente, então existem λj , j ∈ B0 não
todos nulos, tal que
X
a·j tλj = 0, ∀t ∈ R
j∈B0

X
ai,j (xj + tλj ) = 0, ∀t ∈ R
j∈B0

assim, o sistema (0.2.11) e (0.2.11) possui infinitas soluções, o qual é um absurdo, portanto os
vetores a·j é um conjunto linearmente independente, em consequência |B0 |≤ m.
Caso I Se |B0 |= m, o teorema esta demostrado.
Caso II Se |B0 |< m e como o rank(A) = m então podemos completar com a·j com j ∈ B1 tal
que B = B0 ∪ B1 seja linearmente independente, se j 6∈ B então xi = 0.
0.2. POLIEDROS E CONJUNTOS CONVEXOS xi

Método para encontrar soluções básicas.

1. Escolha m vetores linearmente independentes, isto é escolha B ⊂ In com |B|= m tal que
{a·j ∈ Rn , | j ∈ B} é um conjunto linearmente independente.

2. Faça xi = 0 para todo i 6∈ B.

3. Resolva o sistema
X
aij xj = bi , ∀i ∈ Im
i∈B

Exemplo 0.16. — Consideramos o poliedro

 
 x1 + 2x2 ≤ 4 
P = (x1 , x2 ) ∈ R2 ; −x1 + x2 ≤ 1 (0.2.16)
x1 , x 2 ≥0
 

escrevendo na forma padrão

 
 x1 + 2x2 + x3 =4 
P = (x1 , x2 , x3 , x4 ) ∈ R2 ; −x1 + x2 + x4 = 1 (0.2.17)
x1 , x 2 , x 3 , x 4 ≥0
 

   
1 2 1 0 4
A= , b= ,
−1 1 0 1 1

Para encontrar todas as bases precisamos considerar todas as combinações de C24 = 6

possíveis, das quais so algumas são soluções básicas possíveis.
1. (1, 2) 4. (2, 3)
2. (1, 3) 5. (2, 4)
3. (1, 4) 6. (3, 4)

Dado uma B = {j1 , j2 } ⊂ I4 = {1, 2, 3, 4}

xB = B −1 b

e fazendo xj = para j ∈ N = I4 \ B

1. B = {1, 2} e N = {3, 4}, encontramos a solução básica resolvendo o sistema

         
1 2 x1 4 x1 1 1 −2 4
= ⇒ =
−1 1 x2 1 x2 3 1 1 1

logo a solução básica é dada por x = ( 23 , 53 , 0, 0).

xii GEOMETRIA DE POLIEDROS

2. B = {1, 3} e N = {2, 4}, encontramos a solução básica resolvendo o sistema

         
1 1 x1 4 x1 0 −1 4
= ⇒ =
−1 0 x3 1 x3 1 0 1

logo a solução básica é dada por x = (−1, 0, 5, 0).

3. B = {1, 4} e N = {2, 3}, encontramos a solução básica resolvendo o sistema

         
1 0 x1 4 x1 1 0 4
= ⇒ =
−1 1 x4 1 x4 1 1 1

logo a solução básica é dada por x = (4, 0, 0, 5).

4. B = {2, 3} e N = {1, 4}, encontramos a solução básica resolvendo o sistema

           
2 1 x1 4 x1 0 1 4 1
= ⇒ = =
1 0 x3 1 x3 1 −2 1 2

logo a solução básica é dada por x = (0, 1, 2, 0).

5. B = {2, 4} e N = {1, 3}, encontramos a solução básica resolvendo o sistema

           
2 0 x1 4 x1 1 1 0 4 2
= ⇒ = =
1 1 x4 1 x3 2 −1 2 1 −1

logo a solução básica é dada por x = (0, 1, 2, 0).

6. B = {3, 4} e N = {1, 2}, encontramos a solução básica resolvendo o sistema

           
1 0 x3 4 x3 1 0 4 4
= ⇒ = =
0 1 x4 1 x4 0 1 1 1

logo a solução básica é dada por x = (0, 0, 4, 1).

0.2. POLIEDROS E CONJUNTOS CONVEXOS xiii

x2
3

1
=
2
x
+
1
x
−
1
x1
+
2x
2 =
4

-1 0 1 2 3 4 x1

Figura 5: Soluções Básicas

Teorema 0.17. — Seja P = {x ∈ Rn | hai , xi = bi , ∀i ∈ Im , x ≥ 0} não vazio. Suponha-

mos que k = rank({ai |i ∈ Im }) < m, então existe B ⊂ Im tal que

a) |B|= k

b) {ai | i ∈ B} é linearmente independente.

c) Se Q = {hai , xi = bi | i ∈ B} então

P =Q

Demonstração. Seja x ∈ P

x ∈ P ⇔ hai , xi = bi , ∀i ∈ Im
⇒ hai , xi = bi , ∀i ∈ B ⊂ Im
⇒ x ∈ Q.

Se s 6∈ B então as = α i s ai , e
Pk
i=1

k k k
(0.2.18)
X X X
has , xi = h αi s ai , xi = αi s hai , ii = α i s bi
i=1 i=1 i=1

k
(0.2.19)
X
bs = α i s bi , s 6∈ B
i=1

Consideremos a seguinte partição do conjunto Im = (Im \ B) ∪ B

xiv GEOMETRIA DE POLIEDROS

Seja x ∈ Q e

hai , xi = bi , ∀i ∈ B
has , xi = bs , ∀s ∈ Im \ B

portanto x ∈ P , logo P = Q


Definição 0.18. — Um raio é o conjunto de pontos da forma {x0 + td | t ≥ 0}, onde

d ∈ Rn é um vetor não nulo. O ponto x0 é chamado extremo do raio.

Um raio é um conjunto convexo

Definição 0.19. — Seja C ⊂ Rn um conjunto convexo, um d ∈ Rn é chamado direção de

resseção de C se para todo x ∈ C o raio {x + td | t ≥ 0} esta contido em C.

d1

d1

x d
d2

Figura 6: Direção de resseção

Exemplo 0.20. — Consideremos o conjunto P = {x ∈ Rn | Ax ≤ b, x ≥ 0}, então um vetor

d é uma direção de resseção se e somente se

A (x + td) ≤ b
x + td ≥ 0

para todo t ≥ 0 e x ∈ P , se e somente se

Ad ≤ 0
d≥0

Exemplo 0.21. — Consideremos o conjunto P = {x ∈ Rn | Ax = b, x ≥ 0}, então um vetor

d é uma direção de resseção se e somente se

Ad = 0
d≥0
0.3. EXISTÊNCIA DE PONTOS EXTREMOS xv

Exemplo 0.22. — Consideremos o conjunto

 

 −x1 + 2 x2 ≤ 6 

2 −x1 + x2 ≤2
 
P = (x1 , x2 ) ∈ R

 x1 ≥0 
x2 ≥1
 

então um vetor d = (d1 , d2 ) é uma direção de resseção de P se e somente se (x1 +td1 , x2 +td2 ) ∈ P
para todo t ≥ 0, isto é

d1 − 2 d2 ≥ 0
d1 − d2 ≥ 0
d1 , d 2 ≥ 0

0.3 Existência de pontos extremos

Teorema 0.23. — Seja P = {x ∈ Rn | hai , xi ≥ bi , i ∈ I} um conjunto não vazio,

então as seguintes afirmações são equivalentes:

a) Existe pelo menos um ponto extremo,

b) O poliedro não contem uma reta,

c) Existem n vetores L. I. no conjunto {ai , i ∈ I}

Demonstração. b) ⇒ a) Seja x ∈ P e I0 (x) ⊂ I(x) tal que

B0 = ai ∈ Rn | i ∈ I0 (x)


é um conjunto linearmente independente. Se span(B0 ) = Rn , então existem n vetores L.I.

portanto x é um ponto extremo. Caso contrario

span(B0 ) ( Rn

existe d ∈ Rn não nulo tal que d é ortogonal a B0 . Seja yt = x + td ∈ Rn .

hai , yt i = hai , x + tdi = hai , xi + t hai , di = bi , ∀i ∈ I0 (x),

Se I0 (x) = I, então hai , di = 0, ∀i ∈ I , portanto yt ∈ P, ∀t ∈ R, isto é P contem a reta yt , a

qual contradiz a hipótese.
Portanto, existe j ∈ I \ I0 (x), com haj , di 6= 0 então haj , xi > bj , logo podemos encontrar
t∗ tal que haj , x + t∗ di = bj , definimos x∗ = x + t∗ d e
O conjunto
 i
a , i ∈ I0 (x) ∪ aj

xvi GEOMETRIA DE POLIEDROS

é um conjunto linearmente independente, de fato.

X
ai αi + aj αj = 0
i∈I0 (x)
X
hai , diαi + haj , diαj = 0
i∈I0 (x)

haj , diαj = 0

como haj , di 6= 0 então α = 0 logo ai αi = 0 se e somente se αi = 0

P
i∈I(x)

ai , i ∈ I(x) ∪ aj ⊂ ai , i ∈ I(x∗ )
  

O conjunto B1 = {ai , i ∈ I(x)} ∪ {aj }, é um conjunto linearmente e |B0 |+1 = |B1 |≤ . . . ≤ n,

assim podemos construir uma sequencia cresceste de números naturais até obter n vetores
linearmente independente.
a) ⇒ c) Se existe x um ponto extremo, então o conjunto
 i
a | i ∈ I(x)

contem um subconjunto linearmente independente com n elementos.

c) ⇒ b) Seja B ⊂ I, tal que |B|= n e B = {ai | i ∈ B} é um conjunto linearmente
independente. Se existe x e d 6= 0 tal que x + t d ∈ P para todo t ∈ R.
Afirmação. hai , di = 0 para todo i ∈ B. De fato se existe j ∈ B tal que haj , di 6= 0 então
existe t∗ tal que haj , x + t∗ di = 0

• Se haj , xi > bj então exite t ∈ R tal que haj , x + tdi < bj , neste caso a reta não esta
contido em P .

• Se haj , xi = bi então haj , di = 0 Absurdo.

Portanto hai , di = 0 para todo i ∈ B, como d, ai ∈ Rn para todo i ∈ B, temos que

X
ai α i = d
i∈B
X
hai , diαi = hd, di
i∈B
0 = hd, di

isto é: a reta x + td ∈ P se d = 0, portanto o poliedro P não contem uma reta. 

Corolário 0.24. — Seja o poliedro

P = {x ∈ Rn | Ax = 0, x ≥ 0} (0.3.1)

Se P 6= ∅, então existe um ponto extremo em P .

0.4. OTIMALIDADE DE PONTOS EXTREMOS xvii

Demonstração.

P = {x ∈ Rn | Ax = 0, x ≥ 0}
= x ∈ Rn | hai , xi ≥ bi , h−ai , xi ≥ −bi , hei , xi ≥ 0, ∀i ∈ Im


assim o conjunto C = {ai , −ai , ei , ∀i ∈ Im } possui um subconjunto L.I. 

0.4 Otimalidade de pontos extremos

Teorema 0.25. — Seja o problema de programação linear

min hc, xi
(0.4.1)
s. a. x ∈ P

onde P = {x ∈ Rn |hai , xi ≥ bi , ∀i ∈ Im }. Se P tem pelo menos um ponto extremo, então

o valor ótimo é −∞ ou existe um ponto extremo que é ótimo.

Demonstração. Sejam z0 ∈ R e x0 ∈ P tais que

z0 = min {hc, xi ∈ R | x ∈ P } = hx0 , ci

Definimos o conjunto Q = {x ∈ P | hc, xi = z0 }. Logo Q ⊂ P , portanto Q também não contem

uma reta, então existe um ponto extremo x̄ em Q. Afirmamos que x̄ é um ponto extremo de P .
Se x̄ não é um ponto extremo de P , então exitem y 1 6= x̄ e y 2 6= x̄ tal que x̄ = α y 1 + (1 − α)y 2 .
Como z0 = hc, x0 i ≤ hc, y 1 i, z0 = hc, x0 i ≤ hc, y 2 i e z0 = hc, x̄i. Se hc, y 1 i > z0 , então
z0 = hc, x̄i > z0 . Absurdo ! portanto z0 = hc, x̄i = hc, y 1 i = hc, y 1 i, portanto y 1 , y 2 ∈ Q, logo
x̄ não é um ponto extremo de Q. Absurdo!. Desta forma x̄ é um ponto extremo de P , tal que
z0 = hc, x̄i. 
Corolário 0.26. — Seja o problema de programação linear

min hc, xi,

(0.4.2)
s. a. x ∈ P

onde P = {x ∈ Rn | Ax = 0, x ≥ 0}. Se P 6= ∅, então o valor ótimo é −∞ ou existe o ponto

extremo ótimo.
Demonstração. Execício 

Definição 0.27. — Seja P ⊂ Rn um subconjunto. O subespaço afim de Rn gerado por

P é a interseção de todos os subespaços afins de Rn que contém P .

Isto é, o subespaço afim de Rn gerado por P é o menos subespaço afim de Rn que contém
P
Exemplo 0.28. — Seja o poliedro P = {x ∈ Rn |Ax = b, x ≥ 0}, suponhamos que rank(A) =
m ≤ n, portanto dim(ker(A)) = dim(P ) = n − m ,
xviii GEOMETRIA DE POLIEDROS

Definição 0.29. — Uma solução básica é dito degenerado se existe mais de dim(P )
restrições ativas.

Exemplo 0.30. — Seja o poliedro definido pelas equações

 
3 x1 + x2 + x3 = 1
P = (x1 , x2 , x3 ) ∈ R
x1 , x 2 , x 3 ≥ 0

x3

(0, 0, 1)

(0, 0, 0)
(0, 1, 0) x2
(1, 0, 0)
x1

o ponto x1 = (1, 0, 0) é uma solução básica, pois I(x1 ) = {2, 3} e

dim(ker(A)) = 2 e I(x1 ) = 2. portanto dim(ker(A)) = I(x1 ).
Exemplo 0.31. — Seja o poliedro definido pelas equações
 
 2x1 + x2 + 4x3 = 11 
P = (x1 , x2 ) ∈ R3 3x1 + x2 + 5x3 = 14
x1 , x 2 ≥ 0
 

Seja a matriz
 
2 1 4
A=
3 1 5

Assim o número de vertices possiveis é dado por C23 = 3, as quais são

I Seja B = {1, 2} e N = {3}, isto é B12 = a1 a2
 

    
2 1 x1 11 x =3
= ⇔ 1
3 1 x2 14 x2 = 5

Assim a solução básica é (8, −5, 0), porem não é uma solução básica possível, pois x2 =
−5 < 0.
0.4. OTIMALIDADE DE PONTOS EXTREMOS xix

II Seja B = {1, 3} e N = {2}, isto é B13 = a1 a3

 

    
2 4 x1 11
= ⇔ x1 = 12 , x3 = 5
2
3 5 x3 14

Assim a solução básica é ( 12 , 0, 52 ), é uma solução básica possível.

III Seja

Seja B = {2, 3} e N = {1}, isto é B23 = a2 a3

 

    
1 4 x2 11 x = −1
= ⇔ 2
1 5 x3 14 x3 = 3

Assim a solução básica é (0, −1, 3), é uma solução básica possível.

x3

x2 = (0.5, 0, 2.5)

P
x2
x1 = (3, 5, 0)
x1

Exemplo 0.32. — Seja P um poliedro definido da seguinte forma

 

 x1 + x2 + 2x3 ≤ 8  
x2 + 6x3 ≤ 12 

 
 
P = (x1 , x2 , x3 ) ∈ R3 x1 ≤ 4
x2 ≤ 6 

 

 

x1 , x 2 , x 3 ≥ 0
 
xx GEOMETRIA DE POLIEDROS

x3

(0, 0, 2)

x2 = (4, 0, 2)
(0, 6, 1)

(0, 0, 0)
(0, 6, 0)
x2
(4, 0, 0) x1 = (2, 6, 0)
x1 (4, 4, 0)

O ponto x1 = (2, 6, 0) é uma solução básica não degenerado pois o conjunto das restrições
ativas é: I(x1 ) = {1, 4, 7}, isto é: é a única solução do sistema

x1 + x2 + 2x3 = 8
x2 = 6
x3 = 0

porem o ponto x2 = (4, 0, 2) é uma solução degenerado, pois o conjunto das restrições ativas é
I(x2 ) = {1, 2, 3, 6}, isto é: x2 é solução única do sistema

Exemplo 0.33. — Seja P um poliedro definido da seguinte forma

Na forma matricial
   
1 1 2 1 0 0 0 8
0 1 6 0 1 0 0  12
A= 1 0 0 0 0 1 0  , b =  4 
   (0.4.3)
0 1 0 0 0 0 1 6

O ponto x1 = (2, 6, 0, 0, 6, 2, 0) é uma solução básica, não degenerado pois x1 ∈ P e I(x1 ) =

{3, 4, 7}, isto é dim(ker(P )) = 3 = #I(x1 ).
O ponto x2 = (4, 0, 2, 0, 0, 0, 6), é uma solução básica factível, pois x2 ∈ P e I(x2 ) =
{2, 5, 6, 4}. A dimensão do poliedro dim(P ) = dim(ker(A)) = 3 < 4 = #I(x1 ) portanto x1 é
uma solução degenerado.

0.5 Exercícios
Exercício 1. — Dos seguintes conjuntos, quais são poliedros
0.5. EXERCÍCIOS xxi

1. O conjunto de todos (x, y) ∈ R2 tais que

x cos(θ) + y sin(θ) ≤ 1 para todo θ ∈ [0, 2 π]

x≥0
y≥0

2. O conjunto dos números x ∈ R tais que x2 − 8x + 15 ≤ 0;

3. O conjunto vazio.

Exercício 2. — Mostrar que os seguintes conjuntos em Rn são convexos:

1. Qualquer subespaço de Rn ,

2. Qualquer semi-subespaço de Rn ,

3. Qualquer Hiperplano de Rn

4. Uma Bola em Rn .

Exercício 3. — Seja Q ∈ R(n, n) uma matriz simétrica positiva. Provar que o conjunto
{x ∈ Rn | hQx, xi ≤ c} é convexo para todo c ≥ 0.

Exercício 4. — Sejam D e C conjuntos convexos em realn mostrar que os seguintes conjuntos

são convexos.

1. D + C = {x ∈ Rn | x = y + z, y ∈ D, x ∈ C};

2. cD = {x ∈ Rn | x = cy, y ∈ D};

3. A(D) = {y ∈ Rn | y = Ax, x ∈ D};

4. A−1 (D) = {x ∈ Rn | Ax ∈ D};

Exercício 5. — Todo poliedro não vazio possui um ponto extremo ?

Exercício 6. — Suponhamos que {x ∈ Rn |hai , xi ≥ bi , i = 1, . . . , m} e

{x ∈ Rn |hg i , xi ≥ bi , i = 1, . . . , k} representações do mesmo poliedro. Se os vetores a1 , . . . , am
geram o espaço Rn , mostre que g 1 , . . . , g k também gera Rn .

Exercício 7. — Seja P um poliedro limitado em Rn e a um vetor em Rn e b um escalar.

Definimos

Q = {x ∈ P | ha, xi = b}

Mostrar que todo ponto extremo de Q é um ponto extremo de P ou é combinação convexa de

dois pontos extremos de P .
xxii GEOMETRIA DE POLIEDROS

Exercício 8. — Sejam
    5
−1 3 2
1 2
a = 2 , a = 2 ,
   a3 =  3  .
0 5 5

São vetores linearmente independentes ? geral o espaço R

Exercício 9. — Se B é uma matriz invertível, Mostrar que B −1 é única.

Exercício 10. — Se as matrizes A e B são matrizes n × n, então (A B)−1 = B −1 A−1

Exercício 11. — Seja A = [a1 a2 · · · am ] uma matriz invertível. Mostrar que A−1 aj = ej onde
ej é o vetor canônico.

Exercício 12. — Encontre todas as soluções básicas do sistema.

−1x1 + 2x2 + x3 + 3x4 − 2x5 = 4

x1 − x2 + 2x4 + x5 = 2