IO - 2007.06.12 (Em Português)

Introducao à Optimizacao
Linear
(versao de trabalho incompleta nao distribuir a terceiros sem permissao dos autores)
Diogo Gomes Amlcar Sernadas Cristina Sernadas
Departamento de Matematica, IST, UTL, Portugal
12 de Junho de 2007
2
Conte udo
1 Motivacao e nocoes basicas 5
I Fundamentos 13
2 Existencia de solucao 15
3 Interpretacao geometrica 27
4 Dualidade 41
5 Interpretacao logica do Lema de Farkas 55
6 Perturbacao e parametrizacao 59
II Algoritmia 69
7 Complexidade computacional 71
8 Algoritmo do simplexo 83
9 Algoritmos de ponto interior 91
III Aplicacoes 93
10 Transporte 95
11 Optimizacao com varios objectivos 97
12 Optimizacao inteira 99
13 Jogos matriciais 101
14 Optimizacao em grafos 103
3
4
IV Exerccios resolvidos 105
15 Exerccios sobre admissibilidade e existencia 107
16 Exerccios sobre interpretacao geometrica 121
17 Exerccios sobre dualidade 147
18 Exerccios sobre algoritmia 155
Captulo 1
Motivacao e nocoes basicas
O objectivo da programacao linear (optimizacao de funcionais lineares com
restricoes lineares) e a resolucao de problemas de optimizacao (maximizacao ou
minimizacao) de operador linear de variaveis reais tipicamente nao negativas,
sujeito a restricoes na forma de igualdades ou desigualdades lineares.
Exemplo 1 Numa fabrica de racoes de animais, pretende-se, cumprindo as
normas nutricionais em vigor, minimizar o custo de producao de cada dose.
Cada componente alimentar j = 1, . . . , n custa c
j
por unidade. Cada dose
incorpora uma quantidade
x
j
0
de cada componente e, portanto, tem o custo total:
n
j=1
c
j
x
j
.
As normas nutricionais impoem que cada dose contenha no mnimo b
i
unida-
des do nutriente i com i = 1, . . . , m. Assim, supondo que a
ij
representa a
quantidade do nutriente i presente no componente j, ha que garantir:
n
j=1
a
ij
x
j
b
i
.
Logo, em notacao matricial
1
, o problema formula-se como se segue:
_
_
min
x
cx
Ax b
x 0.
1
A notacao v v
para vectores v e v
da mesma dimensao m signica que v

i
v
i
para
cada i = 1, . . . , m.
5
6
Exemplo 2 Numa multinacional pretende-se minimizar o custo semanal de
transporte entre as m fabricas e os n centros de distribuicao. O custo de trans-
porte de uma unidade da fabrica i para o centro j e e
ij
. Semanalmente, a
producao da fabrica i e u
i
> 0 e o consumo no centro j e v
j
> 0. Assim, o
objectivo e determinar a quantidade y
ij
a transportar da fabrica i para o cen-
tro j da forma mais economica, sem exceder a producao em i e satisfazendo a
procura em j:
min
y
m
i=1
n
j=1
e
ij
y
ij
,
com as restricoes
_
_
n
j=1
y
ij
u
i
m
i=1
y
ij
v
j
y
ij
0.
Recorrendo a uma bijeccao
= {1, . . . , mn} {1, . . . , m} { 1, . . . , n},
consegue-se apresentar o problema de modo semelhante ao exemplo anterior
como se segue:
_
_
min
x
cx
Ax b
x 0,
onde:
x e o vector coluna com as componentes y
(1)
, . . . , y
(mn)
;
c e o vector linha com as componentes e
(1)
, . . . , e
(mn)
;
A e a matriz m+n mn tal que:
a
ij
=
_
_
1 se i m &
1
(j) = i
1 se i > m &
2
(j) = i m
0 caso contrario;
b e o vector coluna de comprimento m+n tal que:
b
i
=
_
u
i
se i m
v
im
se i > m.
7
A forma padrao ou forma equacional dos problemas de optimizacao linear
consiste em, dados vector linha c R
n
, matriz A real propria
2
mn e vector
coluna b R
m
, encontrar, caso exista, vector coluna s R
n
tal que
cs = min{cx : x R
n
, Ax = b, x 0},
o que tradicionalmente se formula como se segue:
_
_
min
x
cx
Ax = b
x 0.
(1.1)
A forma canonica dos problemas de optimizacao linear consiste em, dados
vector linha c R
n
, matriz A real propria m n e vector coluna b R
m
,
encontrar, caso exista, vector coluna s R
n
tal que
cs = max{cx : x R
n
, Ax b, x 0},
o que tradicionalmente se formula como se segue:
_
_
max
x
cx
Ax b
x 0.
(1.2)
Nestas formulacoes, o vector b e designado por vector dos requisitos, a matriz
A e conhecida por matriz das restricoes e o funcional x. cx diz-se o funcional
objectivo ou custo.
Por vector admissvel entende-se um vector que satisfaz todas as restricoes.
Ao conjunto dos vectores admissveis da-se o nome de conjunto admissvel. Se
este conjunto e vazio ou o funcional objectivo e ilimitado
3
nesse conjunto, o
problema nao tem solucao. Caso contrario, existe solucao, que nao e necessari-
amente unica. O conjunto das solucoes e referido como conjunto solucao.
Todo o problema de optimizacao linear envolvendo equacoes e inequacoes
nos dois sentidos e com variaveis nao necessariamente todas nao negativas e
enunciavel na forma padrao e na forma canonica. A forma padrao e a mais
vulgar na pratica, enquanto que a forma canonica e essencial em alguns aspectos
da teoria.
Proposicao 3 Todo o problema formulado na forma padrao pode ser formu-
lado na forma canonica preservando o conjunto admissvel e o conjunto solucao.
Prova: Dado o problema na forma padrao
_
_
min
x
cx
Ax = b
x 0,
2
Por matriz propria entende-se matriz sem nenhuma linha nula.
3
Superiormente no caso de maximizacao e inferiormente no caso de minimizacao.
8
considere-se o problema seguinte na forma canonica
_
_
max
x
cx
Ax b
x 0
onde
A e a matriz (2m) n que corresponde à justaposicao vertical da matriz
A com a matriz A (isto e, com elemento generico a
ij
);
b R
2m
que corresponde à justaposicao de b com o vector coluna b.
Sejam X e S os conjuntos admissvel e solucao do problema padrao. Sejam X e
S os conjuntos admissvel e solucao do problema canonico. Entao, X = X pois
n
j=1
a
ij
x
j
= b
i
se e so se
_
_
n
j=1
a
ij
x
j
b
i
j=1
a
ij
x
j
b
i
para todo o i = 1, . . . , m. Mais ainda, S = S pois
s S se e so se
cs = max
x
{cx : x X} se e so se
cs = min
x
cs = min
x
s S.
QED
Proposicao 4 Todo o problema formulado na forma canonica pode ser for-
mulado na forma padrao preservando, a menos de bijeccao linear, o conjunto
admissvel e o conjunto solucao.
Prova: Dado o problema na forma canonica
_
_
max
x
cx
Ax b
x 0,
considere-se o problema seguinte na forma padrao
_
_
min
x
c x
Ax = b
x 0
onde
9
A e a matriz m (n + m) que corresponde à justaposicao horizontal da
matriz A com a matriz identidade mm;
c e o vector linha correspondente à justaposicao horizontal do vector linha
c com o vector linha nulo com m componentes.
Seja f : R
n
R
n+m
a aplicacao linear tal que f(x) e o vector coluna que
corresponde à justaposicao vertical do vector coluna x R
n
com o vector
y R
m
tal que
y
i
= b
i
k=1
a
ik
x
k
para i = 1, . . . , m. Deixa-se ao cuidado do leitor denir f atraves de matriz
(n +m) n. Observe-se que f e injectiva.
Dado v R
n+m
denota-se por v
R
n
o vector (v
1
, . . . , v
n
) e por v
R
m
o vector (v
n+1
, . . . , v
n+m
). Sejam X e S os conjuntos admissvel e solucao do
problema canonico. Sejam X e S os conjuntos admissvel e solucao do problema
padrao.
Comeca-se por vericar que f(X) = X:
Dado x X, e facil vericar que f(x) X. Com efeito, f(x)
= x e
f(x)
= b Ax. Logo, Af(x) = Af(x)
+ If(x)
= Ax + b Ax = b.
Mais ainda, atendendo a que x 0 e Ax b por x X, tem-se f(x) 0
pois f(x)
= x 0 e f(x)
= b Ax 0.
Por outro lado, dado x X, existe x X tal que f(x) = x: basta tomar
x = x
. Com efeito, x 0 porque x 0. Mais ainda, Ax = b conclui-se

Ax
+Ix
= b, donde, como x
0, se obtem Ax
b, ou seja, Ax b.
Assim, f|
X
e bijeccao entre X e X.
De seguida, verica-se que f(S) = S.
f(S) = f({s R
n
: cs = max{cx : x X}})
= {f(s) : cs = max{cx : x X}}
= {f(s) : cs = max{cf(x), x X}}
= {f(s) : cs = max{cf(x), f(x) X}}
= {f(s) : cs = min{cf(x), f(x) X}}
= {f(s) : cs = min{cf(x), f(x) X}}
= {f(s) : cf(s) = min{cf(x), f(x) X}}
= {s R
n+m
: c s = min{c x, x X}}
= S.
Logo, f|
S
e bijeccao entre S e S. QED
As m variaveis adicionais usadas para transformar inequacoes em equacoes
na demonstracao acima dizem-se variaveis de folga.
Exerccio 5 Mostre que e possvel enunciar na forma padrao todo o problema
de optimizacao linear. Sugestao: substitua cada variavel sem a restricao de nao
negatividade pela diferenca de duas variaveis nao negativas adicionais.
10
Exerccio 6 Formule o problema do Exemplo 1 na forma padrao e na forma
canonica.
Exerccio 7 Mostre que existem vector linha a R
n
e b
0
R tais que o
problema
_
_
max
x
cx
Ax b
ax b
0
x 0
tem o mesmo conjunto admissvel e o mesmo conjunto solucao que
_
_
min
x
cx
Ax = b
x 0.
Exerccio 8
(a) Resolva o seguinte problema:
_
_
max
x
2x
1
+x
2
x
1
+x
2
1
x
1
+x
2
3
x
1
+x
2
1
x
1
+x
2
1
x
1
0
x
2
0.
(b) Resolva o problema de maximizacao do funcional x. x
1
+ x
2
com as res-
tricoes da alnea (a).
(c) Resolva o problema que se obtem do problema da alnea (a) adicionando a
restricao
5
4
x
1
+x
2
5.
(d) Resolva o problema que se obtem do problema da alnea (b) removendo a
restricao x
1
+x
2
3.
Exerccio 9 Mostre que o conjunto admissvel e convexo, isto e, se x e y sao
admissveis, entao x + (1 )y e admissvel, qualquer que seja [0, 1].
Exerccio 10 Mostre que o conjunto solucao e convexo.
Exerccio 11 Utilize a funcao LinearProgramming do sistema Mathematica para
resolver os problemas no Exerccio 8.
Na pratica, os problemas de optimizacao envolvem elevado n umero de va-
riaveis, cuja resolucao exige o recurso a algoritmo computacional muito eciente.
Com a teoria e tecnologia actuais e viavel resolver problemas com milhares de
variaveis ou ate muito superior no caso da matriz de restricoes ser esparsa.
11
Exerccio 12 Pesquise a WWW para encontrar aplicacoes de domnio p ublico
que permitam resolver problemas de optimizacao linear de grande escala.
Proposicao 13 Todo o problema na forma padrao com matriz de restricoes
mn admite ser apresentado na forma padrao com matriz de restricoes 2m
(n+2m) cuja caracterstica e 2m.
Prova: Sejam
_
Ax = b
x 0.
as restricoes da formulacao original. Representado estas restricoes na forma
canonica e voltando de novo à forma padrao com recurso a variaveis de folga,
obtem-se:
_
_
Ax +s = b
Ax +t = b
x 0
s 0
t 0.
Observe-se que a matriz de restricoes 2m(n+2m) e agora
_
A I O
A O I
_
onde I e a matriz identidade m m e O e matriz nula m m. Facilmente se
verica que esta matriz tem caracterstica 2m. QED
Assim, pode-se admitir, sem perda de generalidade, que na forma padrao a
matriz de restricoes tem caracterstica plena.
Proposicao 14 Na forma padrao do problema de optimizacao linear, se b = 0,
entao 0 e solucao ou o funcional objectivo nao e limitado inferiormente.
Prova: Note-se que 0 e solucao admissvel e que por isso qualquer solucao
z do problema a existir sera tal que cz 0. Suponha-se que existe solucao
z. Se z = 0 entao 0 e mnimo do funcional. Caso contrario, z tambem e
vector admissvel para qualquer (R
n
)
+
: (i) A(z) = (Az) = 0 = 0,
(ii) (z) 0. Por outro lado, (cz) sempre que . QED
12
Parte I
Fundamentos
13
Captulo 2
Existencia de solucao
Considere-se o problema de optimizacao linear na forma canonica:
_
_
max
x
cx
Ax b
x 0,
(2.1)
onde c R
n
, A e matriz real propria m n e b R
m
. Denote-se por X o
conjunto admissvel {x R
n
: Ax b, x 0} e por S o conjunto solucao do
problema.
Proposicao 1 O conjunto admissvel X do problema 2.1 e nao vazio se e so se
existe x R
n
tal que
x = (x
1
, . . . , x
n
,
m vezes
..
0, . . . , 0)
e solucao do problema seguinte em R
n+m
:
_
_
min
x,z
uz
Ax z b
x 0
z 0,
(2.2)
em que u e o vector linha com m coecientes iguais a 1.
Prova:
() Seja x X. Observe-se que x e admissvel para o problema 2.2. Mais, e
optimo atendendo à restricao z 0.
() Suponha-se que x e solucao do problema 2.2. Entao, x satisfaz Ax0 b
e x 0, donde x X. QED
Observe-se que o conjunto admissvel do problema 2.2 e nao vazio: por exemplo,
e admissvel
(
n vezes
..
0, . . . , 0, e
1
, . . . , e
m
)
15
16
em que cada e
i
= max{0, b
i
}. Assim, e possvel reduzir o problema de
existencia de vectores admissveis a outro problema de optimizacao linear com
conjunto admissvel nao vazio.
Por interior do conjunto admissvel do problema 2.1 entende-se o conjunto
{x R
n
: Ax < b, x > 0} que se denota por intX. O conjunto X \ intX diz-se a
fronteira de X e denota-se por frX. Ver-se-a adiante que estas nocoes de interior
e de fronteira do conjunto admissvel coincidem com as correspondentes nocoes
topologicas em R
n
.
Proposicao 2 No problema 2.1 suponha-se que c = 0. Entao, S intX = .
Prova: O resultado e estabelecido por contradicao. Seja s S intX. Entao,
As < b e s > 0. Considere-se s
= s + c
T
. Escolhendo positivo e suciente-
mente pequeno, tem-se:
1. cs
> cs, pois cc

T
= cc
T
> 0;
2. s
0, pois s > 0 e, portanto, e possvel escolher tal que s + c

T
0;
3. As
b, pois As < b e, logo, e possvel escolher tal que As +Ac

T
b.
Assim, por 2 e 3, s
X e, por 1, s nao e solucao. QED

Por outras palavras, se c = 0, entao as solucoes do problema (a existirem)
encontram-se na fronteira do conjunto admissvel: S frX. Caso contrario,
S = X.
Recorde-se que a norma Euclidiana em R
n
e a aplicacao : R
n
R
+
0
tal que x =

x.x. Recorde-se ainda que se R entao x = ||x
e que x +y x + y. Tambem e util no seguimento a desigualdade de
Cauchy-Schwarz (DCS): dados x, y R
n
, tem-se |x.y| xy.
Facilmente se estendem a R
n
algumas nocoes bem conhecidas em R que sao
necessarias no seguimento.
Seja = k .
k
: N R
n
uma sucessao em R
n
. Diz-se que converge
para x R
n
se, para cada j = 1, . . . , n, a sucessao
j
= k . (
k
)
j
: N R
converge para x
j
em R.
Seja f : R
n
R
m
uma aplicacao. Diz-se que f e contnua em x se, qualquer
que seja a sucessao convergente em R
n
para x, f() converge em R
m
para
f(x). A aplicacao diz-se contnua se e contnua em x, qualquer que seja x R
n
.
Por exemplo, x. cx e x. Ax sao aplicacoes contnuas. Com efeito:
Proposicao 3 Todo o funcional linear e contnuo.
Prova: Comeca-se por demonstrar que se tem |x
j
| x para cada j =
1, . . . , n. Considere-se a base canonica de R
n
constituda pelos vectores e
1
, . . . e
n
tais que e
j
e o vector coluna com todos os componentes nulos excepto o j-esimo
que tem valor 1. Tem-se
|x
j
| = |x.e
j
|
xe
j
(usando a DCS)
= x.
17
Portanto,
(1)
n
j=1
|x
j
| nx.
Seja f : R
n
R
m
aplicacao linear. Demonstra-se que se = max{f(e
j
) :
j = 1, . . . , n}, entao
(2) f(x) nx.
Com efeito,
f(x) = f(
n
j=1
x
j
e
j
)
=
n
j=1
x
j
f(e
j
) (por f ser linear)

n
j=1
x
j
f(e
j
)
=

n
j=1
|x
j
|f(e
j
)

n
j=1
|x
j
|
nx (usando (1)).
Finalmente, prova-se que f e contnua. Se = 0, entao f e a aplicacao cons-
tantemente igual ao vector nulo e deixa-se ao cuidado do leitor vericar que e
contnua. Caso contrario, seja sucessao convergente para x. Vai-se mostrar
que f() e sucessao convergente para f(x). Tome-se > 0 qualquer. Observe-
se que

n
R
+
. Como converge para x, existe k tal que para todo o m k
se tem
m
x <

n
. Assim, conclui-se que
f(
m
) f(x) = f(
m
x)
n
m
x (usando (2))
< ,
o que mostra que f() converge para f(x). QED
Exerccio 4 Mostre que a aplicacao f : R
n
R
m
e contnua em x se e
so se, qualquer que seja > 0 existe > 0 tal que se y x < entao
f(y) f(x) < .
n
R
m
e contnua se e so se, para
cada i = 1, . . . , m, e continua a aplicacao f
i
: R
n
R tal que f
i
(x) = (f(x))
i
.
Os exerccios seguintes mostram que as nocoes de interior e de fronteira do

conjunto admissvel coincidem com as correspondentes nocoes topologicas em
R
n
. Recorde-se que se designa por bola (aberta) de raio R
+
e centrada em
x R
n
o conjunto B
(x) = {y R
n
: x y < }.
Exerccio 6 Mostre que x intX se e so se existe > 0 tal que B
(x) X.
Exerccio 7 Mostre que x frX se e so se qualquer que seja > 0 se tem
B
(x) X = e B
(x) (R
n
\ X) = .
18
Seja U R
n
. Diz-se que U e fechado se, qualquer que seja a sucessao
de elementos de U, se converge em R
n
para x, entao x U. Diz-se que U e
limitado se esta contido numa bola, isto e, se existe R tal que u para
todo o u U. O conjunto U diz-se compacto se e fechado e limitado.
Exerccio 8 Mostre que sao fechadas a uniao e a interseccao de dois conjuntos
fechados.
Proposicao 9 O conjunto admissvel do problema 2.1 e fechado.
Prova: Seja = k .
k
: N X convergente para z. Entao, como A e
funcional contnuo, A = k . A
k
: N R
m
converge para Az, ou seja, por
denicao, (A)
i
= k . (A
k
)
i
: N R converge para (Az)
i
para qualquer
i = 1, . . . , m. Como
k
X entao (
k
)
j
0 para j = 1, . . . , n e (A
k
)
i
b
i
para i = 1, . . . , m. Logo, pelo Teorema da passagem ao limite em desigualdade,
tem-se que z
j
0 para j = 1, . . . , n e (Az)
i
b
i
para i = 1, . . . , m, logo z 0
e Az b e, portanto, z X. QED
Proposicao 10 O conjunto solucao do problema 2.1 e fechado.
Prova: Seja = k .
k
: N S sucessao convergente para z. Tem de se
mostrar que z X, o que decorre da proposicao anterior por S X, e ainda
que cz = max{cx : x X}. Por escolha de , tem-se c
k
= max{cx : x X}
para todo o k. Isto e, a sucessao c = k . c
k
tem valor constante max{cx :
x X} e, portanto, converge para este valor. Por outro lado, o funcional
x. cx e contnuo, donde se conclui que a sucessao c converge para cz. Logo,
cz = max{cx : x X}. QED
Proposicao 11 Toda a sucessao de elementos em subconjunto compacto de
R
n
tem subsucessao convergente, sendo o seu limite elemento do conjunto.
Prova: Seja U R
n
conjunto compacto e seja = k .
k
: N U uma
sucessao. Observe-se que {
k
: k N} U, donde e limitada.
A demonstracao assenta na denicao indutiva e simultanea das famlias
seguintes a partir da sucessao :
{y
i
}
i=1,...,n
em que cada y
i
R;
{
i
}
i=1,...,n
em que cada
i
: N U e subsucessao de com as primeiras
i componentes convergentes para o tuplo (y
1
, . . . , y
i
).
(Base da construcao):
A sucessao real
1
= k . (
k
)
1
: N U
1
e limitada e, portanto, pelo Teorema
de Bolzano-Weierstrass em R, existem f
1
: N N estritamente crescente e
y
1
R tais que
1
= k .
1
f
1
(k)
e subsucessao de
1
convergente para y
1
.
Considere-se a subsucessao seguinte de :
1
= k .
f
1
(k)
: N U.
19
Por construcao,
(
1
k
)
1
= (
f
1
(k)
)
1
=
1
f
1
(k)
=
1
k
.
Logo, a primeira componente de
1
converge para y
1
.
(Passo da construcao):
Para cada i = 1, . . . , n 1, a sucessao real
i+1
= k . (
i
k
)
i+1
: N U
i+1
e limitada e, portanto, pelo Teorema de Bolzano-Weierstrass em R, existem
f
i+1
: N N estritamente crescente e y
i+1
R tais que
i+1
= k .
i+1
f
i+1
(k)
e
subsucessao de
i+1
convergente para y
i+1
. Considere-se a sucessao seguinte:
i+1
= k .
i
f
i+1
(k)
: N U.
Trata-se de uma subsucessao de por ser subsucessao de
i
e esta ser, por
hipotese de inducao, subsucessao de . Por construcao,
(
i+1
k
)
i+1
= (
i
f
i+1
(k)
)
i+1
=
i+1
f
i+1
(k)
=
i+1
k
.
Mais, para j = 1, . . . , i, a sucessao (
i+1
)
j
e subsucessao de (
i
)
j
, donde, por
hipotese de inducao, (
i+1
)
j
converge para y
j
. Logo, as i + 1 primeiras compo-
nentes de
i+1
convergem para o tuplo (y
1
, . . . , y
i+1
).
Finalmente, escolhe-se =
n
. Isto e, = k .
(f
n
f
1
)(k)
. Entao, e
subsucessao de e converge para y = (y
1
, . . . , y
n
). Mais, como U e fechado,
y U. QED
Proposicao 12 Se U R
n
e tal que qualquer sucessao de elementos em U
tem subsucessao convergente para elemento de U, entao U e compacto.
Prova: A prova e realizada por contradicao. Se U nao e compacto ha dois
casos a considerar:
(a) U nao e limitado.
Entao, qualquer que seja R existe u U tal que u > . Em particular,
para cada k N
+
existe
k
U, tal que
k
> k. Considere-se a sucessao
= k .
k
. Trata-se de uma sucessao de elementos de U que nao tem ne-
nhuma subsucessao limitada e, portanto, que nao tem qualquer subsucessao
convergente, o que contraria a hipotese.
(b) U nao e fechado.
Entao, existe uma sucessao = k .
k
: N U convergente para x (R
n
\U).
Logo, toda a subsucessao convergente de tem limite fora de U, em contradicao
com a hipotese. QED
Em consequencia das duas proposicoes anteriores, tem-se que o conjunto
U e compacto se e so se toda sucessao de elementos de U tem subsucessao
convergente com limite em U.
Proposicao 13 Sejam U R
n
conjunto compacto e f : R
n
R aplicacao
contnua. Entao, o conjunto f(U) e compacto.
20
Prova: Com base na Proposicao 12, basta mostrar que qualquer sucessao em
f(U) tem subsucessao convergente em f(U). Considere-se uma sucessao =
k .
k
: N f(U). Seja = k .
k
: N U sucessao em que cada
k
e escolhido de tal modo que f(
k
) =
k
. Como U e compacto, usando a
Proposicao 11, existe subsucessao de convergente para um elemento x U.
Como, f e contnua, entao f() converge para f(x) f(U), o que completa a
prova, pois k . f(
k
) e subsucessao de . QED
Exerccio 14 Sejam U, V R
n
. Demonstre que se U e V sao compactos,
entao tambem o e U +V = {u +v : u U, v V }. Mostre, atraves de contra-
exemplo, que se U e V sao fechados mas nao compactos, entao U + V nao e
necessariamente fechado.
n
conjunto compacto nao vazio e f : R
n
R
aplicacao contnua. Entao, f tem mnimo e maximo em U, isto e, existem
v, w U tais que f(v) f(u) f(w) para todo o u U.
Prova: Atendendo à Proposicao 13, o conjunto f(U) e compacto e e nao vazio
por U ser nao vazio.
Logo, f(U) temnmo x R e supremo y R. Entao, como f(U) e fechado,
x, y f(U). Com efeito, por exemplo, no caso do nmo, basta considerar uma
sucessao k . x
k
: N f(U) tal que x x
k
< x +
1
k
para cada k N. Tal
sucessao existe por x ser o maior dos minorantes dos elementos de f(U).
Consequentemente, existem u, v R
n
tais que f(v) = x e f(w) = y, donde
decorre a tese. QED
Proposicao 16 (Teorema fundamental versao analtica)
Se o conjunto admissvel do problema 2.1 e nao vazio e limitado, entao o pro-
blema tem solucao.
Prova: O conjunto X e limitado, por hipotese, e fechado, pela Proposicao 9.
Logo, X e compacto. Por outro lado, x. cx e contnua. Portanto, como X = ,
recorrendo à Proposicao 15, x. cx tem maximo em X, ou seja, o problema 2.1
tem solucao. QED
Embora este teorema tenha sido obtido para o problema na forma canonica,
e obviamente aplicavel, por transformacao, ao problema na forma padrao.
Exerccio 17 Verique que a versao analtica do Teorema fundamental nao
depende da natureza linear do problema de optimizacao.
Sublinhe-se que o Teorema fundamental acima foi estabelecido nao constru-
tivamente por via puramente analtica. No seguimento, vai-se demonstrar uma
versao construtiva, recorrendo a tecnicas de algebra linear, para o problema na
forma padrao. Para este efeito, convem formular o problema da seguinte forma
padrao restrita:
_
_
min
x
cx
Ax = b
x 0,
(2.3)
21
onde c R
n
, b R
m
e A e matriz real propria mn tal que:
1. m < n;
2. carA = m.
Sublinhe-se que as hipoteses 1-2 nao sao demasiado incomodas na pratica.
Com efeito, como se viu na Proposicao 13 do Captulo 1, todo o problema
na forma padrao pode ser transformado de modo a satisfazer estas hipoteses.
Observe-se que nestas condicoes o sistema Ax = b tem solucao.
Continua a denotar-se por X o conjunto admissvel, agora {x R
n
:
Ax = b, x 0}, e por S o conjunto solucao do problema. Denote-se por
M = {1, . . . , m} e por N = {1, . . . , n}.
Entre os elementos de X, existem alguns elementos que sao particularmente
relevantes. O vector admissvel x diz-se basico se existe Q N tal que:
#Q = m;
as colunas de A com ndice em Q sao linearmente independentes, isto e
1
,
A
Q
e nao singular;
x
j
= 0 para cada j (N \ Q).
Por base de A entende-se um subconjunto B de N com cardinalidade m tal
que A
B
e nao singular. Esta terminologia e justicavel pelo facto de as colunas
de A
B
constiturem uma base do espaco vectorial gerado pelas colunas de A.
Mais ainda, tal base B diz-se admissvel se existe x admissvel ( unico como se
vera adiante) tal que x
j
= 0 para cada j (N \ B). Neste caso, diz-se que
B e uma base (nao necessariamente unica) para o vector admissvel x. Assim,
por denicao, um elemento de X e basico se e so se admite base. Portanto,
o n umero de componentes nulas de um vector admissvel basico e superior ou
igual a nm. No caso de ser estritamente superior a nm, o vector admissvel
basico diz-se degenerado.
Exerccio 18 Mostre que
_
n
m
_
=
n!
m!(n m)!
e majorante do n umero de bases.
Exerccio 19 Mostre que e degenerado todo o vector admissvel basico com
mais do que uma base.
Dado x R
n
, denota-se por P
x
o conjunto {j N : x
j
> 0}, ou seja, o
conjunto dos ndices dos coecientes positivos de x.
Proposicao 20 Seja x vector admissvel do problema 2.3. Entao, x e basico
se e so se as colunas da matriz A
P
x
sao linearmente independentes.
1
Denotando por A
Q
a submatriz de A composta pelas colunas com ndice em Q
22
Prova:
() Sejam x basico e B N base para x. Assim, x
j
= 0 para cada j (N\B),
donde P
x
B. Logo, como as colunas de A
B
sao linearmente independentes,
tambem o sao as de A
P
x
.
() Sejam x X e as colunas de A
P
x
linearmente independentes. Se #P
x
=
m, entao P
x
e base para x e, portanto, x e basico. Caso contrario, #P
x
<
m. O objectivo e encontrar B base para x. Como A tem caracterstica m, e
possvel encontrar B P
x
tal que #B = m e as colunas de A
B
sao linearmente
independentes. Finalmente, o requisito x
j
= 0 para cada j (N \ B) decorre
de (N \ B) (N \ P
x
) e x 0. QED
Exerccio 21 Mostre que x X e basico se e so se, quaisquer que sejam
y, z X, x = y = z sempre que existe [0, 1] tal que x = y + (1 )z.
Como interpreta geometricamente este facto?
Proposicao 22 Sejam A matriz das restricoes do problema 2.3 e B N uma
sua base. Entao, existe quanto muito um vector admissvel com base B.
Prova: Para que x R
n
seja admissvel e necessario que Ax = b, ou seja,
A
B
x
b
+ A
N\B
x
N\B
= b. Entao, para que B seja base para x e necessario
A
B
x
b
+A
N\B
0 = b, ou seja, A
B
x
b
= b. Este sistema tem uma e uma so solucao
por A
B
ser quadrada e nao singular. Se esta solucao (em R
m
) for nao negativa,
entao, juntando zeros apropriadamente, obtem-se elemento de X R
n
com a
base B. QED
Proposicao 23 (Lema fundamental)
Se o funcional objectivo do problema 2.3 e limitado inferiormente em X, entao,
qualquer que seja z X, existe z X basico tal que c z cz.
Prova: Seja z X. Considere-se o conjunto {x X : cx cz}. Entre os
elementos deste conjunto escolha-se z tal que nao existe elemento do conjunto
com mais componentes nulas.
Se as colunas de A
P
z
sao linearmente independentes, entao da Proposicao 20
conclui-se que z tem as propriedades pretendidas.
Caso contrario, por denicao de independencia linear, P
z
= e existe um
vector coluna v R
#P
z
nao nulo e tal que A
P
z
v = 0. Seja w o vector coluna em
R
n
que se obtem de v juntando zeros nas posicoes apropriadas. Entao, w
P
z
= v
e Aw = 0.
Considere-se a famlia y
t
= z +tw com t 0. Observe-se que Ay
t
= b, pois
A z = b e Aw = 0.
Sem perda de generalidade pode assumir-se que cw 0. Se cw > 0 trabalha-
se com w em vez de w, mantendo-se, pois, Aw = 0. Observe-se ainda que se
cw = 0, entao, por w ser nao nulo, existe j P
z
tal que w
j
< 0, se necessario
trabalhando com w em vez de w, o que nao afecta os valores, neste caso ambos
nulos, de cw e de Aw.
A demonstracao prossegue por casos:
(a) cw < 0 e w 0:
23
Qualquer que seja t 0, o vector y
t
= z + tw e admissvel, pois y
t
0,
atendendo a que z 0, por z ser admissvel, e tw 0. Por outro lado,
cy
t
= c z +tcw, donde quando t +o valor de cy
t
por se ter cw < 0.
Logo, o funcional objectivo nao e limitado inferiormente em X e a tese decorre
vacuosamente.
(b) cw 0 e existe j P
z
tal que w
j
< 0:
Observe-se que y
0
= z e admissvel e, portanto, como P
z
= , y
0
> 0. Para t
sucientemente pequeno ainda se tem y
t
> 0, e, portanto, y
t
ainda e admissvel,
mas à medida que t cresce, as componentes de y
t
em que w e negativo vao-se
aproximando de zero. Assim que uma delas atingir o valor nulo, toma-se como
u o t em causa. Entao, y
u
0 e, portanto, admissvel e y
u
tem pelo menos
mais uma componente nula do que z, em contradicao com a escolha de z. QED
Proposicao 24 (Teorema fundamental - versao algebrica)
Relativamente ao problema 2.3 tem-se:
1. Se X = e existe R tal que, qualquer que seja x X, cx , entao
o problema tem solucao basica.
2. Se existe solucao, entao existe vector admissvel basico que e solucao.
Prova:
1. Seja X nao vazio e suponha-se x. cx limitado inferiormente em X. Pelo
Lema fundamental, para cada x X existe x X basico e tal que c x cx.
Logo,
inf{cx : x X} = inf{c x : x X}.
Atendendo a que o conjunto dos vectores admissveis basicos e nito, tambem
e nito o conjunto {c x : x X}. Assim, este conjunto tem mnimo e, conse-
quentemente, tambem o tem {cx : x X}, pois {c x : x X} { cx : x X}.
Portanto, existe solucao do problema (e esta e basica).
2. Se existe solucao s, entao X = (pois s X) e o funcional objectivo e
limitado inferiormente (por cs), donde, por 1, existe solucao basica. QED
Sublinhe-se a natureza construtiva desta versao do Teorema fundamental,
no sentido em que providencia um algoritmo para encontrar uma solucao no caso
do objectivo ser limitado inferiormente em X. Com efeito, atendendo a que o
conjunto das bases e nito, basta percorrer todas as bases para encontrar uma
solucao. Obviamente, este algoritmo e ineciente. Algoritmos mais ecientes
sao o objecto da Parte II deste curso.
Exerccio 25 Suponha que no problema 2.3 a matriz A tem coecientes in-
teiros. Mostre que se x e vector admissvel basico, entao qualquer que seja
j N,
|x
j
| m!
m1
,
onde
= max
iM,jN
|a
ij
|;
24
= max
iM
|b
i
|.
Exerccio 26 Assuma no problema 2.3 que a matriz A tem coecientes inteiros
e que x. cx e limitado inferiormente em X. Demonstre que o problema e
equivalente ao problema seguinte:
_
_
min
x
cx
Ax = b
x 0
x ,
onde
= (m+ 1)! max{, max
jN
|c
j
|}
m
max{, inf{cx : x X}}.
Mais precisamente, demonstre que os dois problemas tem o mesmo conjunto
solucao. Mostre, atraves de contra-exemplo, que, no entanto, nao tem neces-
sariamente o mesmo conjunto admissvel, nem o mesmo conjunto de vectores
admissveis basicos.
Embora a versao algebrica do Teorema fundamental tenha sido obtida para o
problema na forma padrao restrita, e obviamente aplicavel, por transformacao,
ao problema na forma canonica. Nomeadamente, permite demonstrar o resul-
tado seguinte que e muito util no seguimento.
Proposicao 27 (Teorema da majoracao)
Se o conjunto admissvel e nao vazio e o funcional objectivo e limitado superi-
ormente nesse conjunto, entao o problema canonico tem solucao.
Prova: Dado problema na forma canonica
_
_
max
x
cx
Ax b
x 0,
(2.4)
tal que o conjunto admissvel X = {x R
n
: Ax b, x 0} e nao vazio e
existe R tal que cx para todo o x X, pretende-se mostrar que o seu
conjunto solucao S e nao vazio.
Recorrendo à Proposicao 4 do Captulo 1, comeca-se por reformular o pro-
blema na forma padrao como se segue:
_
_
min
x
c x
Ax = b
x 0
onde
A e a matriz m (n + m) que corresponde à justaposicao horizontal da
matriz A com a matriz identidade mm;
25
c e o vector linha correspondente à justaposicao horizontal do vector linha
c com o vector linha nulo com m componentes.
Observe-se que este problema esta na forma padrao restrita. Denotando por X e
S o conjunto admissvel e o conjunto solucao, respectivamente, deste problema,
existe aplicacao linear f : R
n
R
n+m
que estabelece bijeccoes entre X e X e
entre S e S.
Das hipoteses do teorema, conclui-se que X = e que e minorante
em X do funcional x. c x. Logo, usando a versao algebrica do Teorema
fundamental, conclui-se que S = . Portanto, S = . QED
26
Captulo 3
Interpretacao geometrica
Tem-se vindo a trabalhar com R
n
como espaco vectorial de dimensao n. Com
vista a interpretar geometricamente o conjunto admissvel e o conjunto solucao
de problemas de optimizacao linear, e necessario recordar e introduzir algumas
nocoes, aqui concretizadas no contexto do espaco vectorial R
n
. Por apresentacao
de subespaco am de R
n
entende-se um par (V, t) em que V e subespaco vectorial
de R
n
e t R
n
. O espaco am apresentado por (V, t) e o subconjunto A(V, t) =
{v +t : v V } de R
n
. Por dimensao deste espaco am entende-se a dimensao
de V . Observe-se que V coincide com o espaco am apresentado por A(V, 0).
Proposicao 1 Sejam V subespaco vectorial de R
n
com dimensao k e B base
de V
. Entao, o espaco am A(V, t) coincide com o conjunto das solucoes do

sistema Ex = Et em que E e a matriz (nk) n cujas linhas sao os elementos
de B.
Prova: Observe-se que V = {x R
n
: Ex = 0}.
():
Seja y A(V, t), ou seja, y = x +t para algum x V . Logo, Ey = Ex +Et e,
portanto, Ey = Et.
():
Seja y R
n
tal que Ey = Et. Entao, E(y t) = 0 e, portanto, o vector y t
e solucao do sistema Ex = 0, ou seja, (y t) V . Logo, y A(V, t), pois
y = (y t) +t. QED
Proposicao 2 O conjunto das solucoes do sistema Ex = d coincide, qualquer
que seja t tal que Et = d, com o subespaco am A(V, t) onde V e o espaco
vectorial solucao de Ex = 0.
Prova: Seja t solucao de Ex = d. Pretende-se mostrar que
{x R
n
: Ex = d} = {y +t R
n
: Ey = 0}.
() Suponha-se que z {x R
n
: Ex = d}. Tome-se y = zt. Entao, z = y+t
e Ey = Ez Et = d d = 0. Logo, z {y +t R
n
: Ey = 0}.
() Suponha-se que z {y +t R
n
: Ey = 0}, ou seja, z = w +t para algum
w tal que Ew = 0. Entao, E(z) = E(w + t) = E(w) + E(t) = 0 + d = d e,
consequentemente, z {x R
n
: Ex = d}. QED
27
28
Assim, todo o subespaco am de R
n
coincide com o conjunto das solucoes
de sistema de equacoes Ex = d.
Por dimensao de um subconjunto de R
n
entende-se a dimensao do menor
espaco am que o contem. Por exemplo, a dimensao de um segmento de recta
e 1 e a dimensao de um conjunto nito com k n + 1 pontos e quanto muito
k 1.
Exerccio 3 Analise a dimensao do conjunto admissvel X do problema de
optimizacao linear na forma padrao restrita:
_
_
min
x
cx
Ax = b
x 0,
(3.1)
onde c R
n
,b R
m
e A e matriz real propria mn tal que m < n, carA = m
e o sistema Ax = b tem solucao.
Por hiperplano de R
n
entende-se um subespaco am de R
n
com dimensao
n 1, o que generaliza a nocao de plano em R
3
.
Exerccio 4 Mostre que todo o hiperplano coincide com o conjunto das solu-
coes de equacao ex = d com vector linha e nao nulo.
Recorde que um subconjunto U de R
n
se diz convexo se x + (1 )y U
se x, y U e [0, 1].
Exerccio 5 Mostre que todo o hiperplano e convexo.
O hiperplano caracterizado por ex = d divide R
n
em dois semi-espacos
fechados o semi-espaco fechado das solucoes da inequacao ex d e o semi-
espaco fechado das solucoes da inequacao ex d.
Exerccio 6 Mostre que todo o semi-espaco fechado e convexo.
Exerccio 7 Demonstre que a classe dos subconjuntos convexos de R
n
e fe-
chada para a interseccao. Mostre, atraves de contra-exemplo, que nao e neces-
sariamente fechada para a uniao.
Por poliedro convexo entende-se uma interseccao de um conjunto nito de
semi-espacos fechados. Por politopo convexo entende-se um poliedro convexo
limitado. Dado U R
n
, por envelope convexo de U entende-se a interseccao de
todos os conjuntos convexos que contem U, o que e usual denotar por

U.
Proposicao 8 Seja U R
n
. Entao:
U = {
k
i=1
i
u
i
: k N
+
, u U
k
, (R
+
0
)
k
,
k
i=1
i
= 1}.
29
Prova: Ha que demonstrar que o conjunto

U = {
k
i=1

i
u
i
: k N
+
, u
U
k
, (R
+
0
)
k
,
k
i=1

i
= 1} coincide com a interseccao dos conjuntos convexos
que contem U.
(i) U

U:
Para cada u U, basta tomar k = 1 e
1
= 1 para vericar que u

U.
(ii)

U e convexo:
Sejam v, v

U e [0, 1]. Ha que provar que (v + (1 )v
)

U. Sejam
v =
k
i=1

i
u
i
e v
i=1

i
u
i
. Considere-se o vector w U
k+k
que se obtem
concatenando u com u
, isto e, tal que:

w
i
= u
i
para i = 1, . . . , k;
w
i
= u
ik
para i = k + 1, . . . , k +k
.
Entao,
v =

k+k
i=1

i
w
i
em que
i
=
i
para i = 1, . . . , k e
i
= 0 para i =
k + 1, . . . , k +k
.
v
=

k+k
i=1

i
w
i
em que
i
= 0 para i = 1, . . . , k e
i
=
ik
para
i = k + 1, . . . , k +k
.
Assim,
v + (1 )v
=
k+k
i=1
i
w
i
+ (1 )
k+k
i=1
i
w
i
=
k+k
i=1
(
i
+ (1 )
i
) w
i
.
Finalmente,
k+k
i=1
(
i
+ (1 )
i
) =
k+k
i=1
i
+ (1 )
k+k
i=1
i
=
k
i=1
i
+ (1 )
k+k
i=k+1
ik
=
k
i=1
i
+ (1 )
k
i=1
i
= + (1 )
= 1 .
(iii) Qualquer que seja o convexo W R
n
, se U W, entao

U W:
Observe-se que
U =
_
kN
+
U
k
em que cada

U
k
= {
k
i=1

i
u
i
: u U
k
, (R
+
0
)
k
,
k
i=1

i
= 1}. Entao, o
resultado pretendido decorre do facto seguinte: se U W e W e convexo, entao
30
U
k
W para todo o k N
+
. Este facto prova-se por inducao:
(Base)

U
1
= U que, por hipotese, esta contido em W.
(Passo) Suponha-se que

U
k
W (HI). Pretende-se mostrar que

U
k+1
W.
Seja v

U
k+1
, ou seja,

k+1
i=1

i
u
i
com u U
k+1
e

k+1
i=1

i
= 1. Se
k+1
= 0,
entao v

U
k
e, logo, por HI, v W. Caso contrario, escolhendo = 1
k+1
,
tem-se:
v =
k
i=1
u
i
+ (1 )u
k+1
.
Ou seja, v e combinacao convexa de

k
i=1
u
i

U
k
e de u
k+1

U
1
= U,
ambos em W, o primeiro por HI e o segundo por hipotese. Portanto, v W
por este ser convexo. QED
Por outras palavras,

U e composto por todas as combinacoes convexas nitas
de elementos de U.
Proposicao 9 O conjunto admissvel do problema 3.1 e um poliedro convexo.
Prova: Observe-se que, para cada j = 1, . . . , n, {x R
n
: x
j
0} e semi-
espaco fechado de R
n
. Por outro lado, para cada i = 1, . . . , m, a linha i da
matriz A, denotada por a
i
, e nao nula por A ser matriz propria. Assim, para
cada i = 1, . . . , m, a equacao a
i
x = b dene um hiperplano em R
n
. Logo, para
cada i = 1, . . . , m, {x R
n
: a
i
x b} e {x R
n
: a
i
x b} sao semi-espacos
fechados de R
n
. Finalmente, a tese decorre do facto de X coincidir com a
interseccao destes n + 2m semi-espacos fechados. QED
Exerccio 10 Assuma no problema 3.1 que a matriz A tem coecientes inteiros
e que x. cx e limitado inferiormente em X. Descreva um problema equivalente
cujo conjunto admissvel seja politopo convexo.
Seja P um poliedro convexo em R
n
. Um subconjunto F de P diz-se uma
face se existem vector linha v R
n
nao nulo e r R tais que vx = r para
todo o x F e vx < r para todo o x (P \ F). Por outras palavras, existe
um hiperplano H tal que P H = F. Por faceta de P entende-se uma face
de dimensao n 1. Por aresta de P entende-se uma face de dimensao 1. Por
vertice de P entende-se uma face de dimensao 0. Assim, todo o vertice de P
e subconjunto singular de P, sendo vulgar identicar cada vertice com o seu
unico elemento.
Exerccio 11 Sejam P um poliedro convexo em R
n
e F P. Mostre que F
e face de P se e so se existem vector linha v R
n
nao nulo e r R tais que
vx = r para todo o x F e vx > r para todo o x (P \ F).
Como seria de esperar, todo o politopo convexo e o envelope convexo do
conjunto dos seus vertices, mas a sua demonstracao e trabalhosa e envolve
conceitos nao abordados aqui. O leitor interessado devera consultar a Seccao
18 de [14].
31
Proposicao 12 No problema 3.1, seja x X. Entao, sao equivalentes as
assercoes seguintes:
1. x e vertice de X;
2. x e basico;
3. quaisquer que sejam y, z X, x = y = z sempre que existe [0, 1] tal
que x = y + (1 )z.
Prova: A equivalencia entre 2 e 3 e objecto do Exerccio 21 do Captulo 2.
Segue-se a demonstracao da equivalencia entre 1 e 2.
() Seja x X vertice. Entao, existem vector linha v R
n
nao nulo e r R
tais que vx = r para todo o x F e vy > r para todo o y (X \ {x}).
Considere-se o problema de optimizacao linear na forma restrita
_
_
min
y
vy
Ay = b
y 0,
(3.2)
Como vx = min{vy : y X} entao x e solucao do problema. Recorrendo à
Proposicao 24, conclui-se que existe x vector admissvel basico que e solucao,
isto e, tal que v x = min{vy : y X}. Como vy > r para todo o y (X \ {x}),
x = x e, consequentemente, x e basico.
() Suponha-se que x X e basico. Seja B N uma base para x. Entao,
x
j
= 0 para cada j (N \ B). Considere-se o problema de optimizacao linear
na forma restrita
_
_
min
y
wy
Ay = b
y 0,
(3.3)
em que o vector linha w R
n
e tal que
w
j
=
_
0 se j B
1 caso contrario.
Entao:
(i) O vector x e solucao deste problema.
Com efeito, tem-se

n
j=1
w
j
x
j
= 0. Mais ainda, wy 0 para qualquer y X.
Logo,
wx = min{wy : y X} = 0.
(ii) O vector x e a unica solucao do problema.
Ha que demonstrar que se tem:
wz > min{wy : y X},
para qualquer z (X \ {x}). Como o funcional objectivo e limitado inferior-
mente, invocando a Proposicao 23 do Captulo 2, basta mostrar que se tem:
32
1. wz > min{wy : y X} para qualquer z (X \ {x}) basico.
2. wz > min{wy : y X} para qualquer z (X \ {x}) tal que z = x.
Observe-se que, pela Proposicao 22 do Captulo 2, qualquer vector admissvel
basico diferente de x tem base diferente de B. Seja z (X \ {x}) vector
admissvel basico com base B
em que B
= B. Note-se que existe j tal que

z
j
> 0 para j em B
\ B, pois, caso contrario, B tambem seria base de z, o que

nao pode acontecer, recorrendo de novo à Proposicao 22 do Captulo 2. Seja
j tal que z
j
> 0 para j em B
\ B. Entao wz w
j
z
j
= z
j
> 0 e, portanto,
wz > min{wy : y X}, o que completa a demonstracao de 1.
Resta estabelecer 2. Seja z (X \ {x}) tal que z = x. Observe-se que de z = x
se conclui, invocando mais uma vez a Proposicao 22 do Captulo 2, que existe
j (N \ B) tal que z
j
> 0. Logo, para tal j tem-se wz w
j
z
j
= z
j
> 0 =
min{wy : y X}.
(iii) O vector x e vertice de X.
Com efeito,
_
wx = 0
wz > 0 qualquer que seja z (X \ {x}),
donde se conclui a tese, atendendo a que w e vector linha nao nulo. QED
Dado U = {u
1
, . . . , u
k
} R
n
, por cone convexo gerado por U entende-se o
conjunto
C(U) = {
k
i=1
i
u
i
: (R
+
0
)
k
}.
Por outras palavras, C(U) e o envelope convexo do conjunto constitudo pelas
semi-rectas {
i
u
i
:
i
0}.
Dada matriz mn, e conveniente denotar por C(A) o cone convexo gerado
pelo conjunto das linhas da matriz A. Obviamente, C(A) R
n
.
Exerccio 13 Sejam A matriz mn e v R
n
. Verique que v C(A) se e so
se existe vector coluna R
m
tal que 0 e A
T
= v.
Proposicao 14 Sejam A matriz m n e b R
m
. O sistema Ax = b tem
solucao nao negativa se e so se que b C(A
T
).
Prova: Aplicando o Exerccio 13 a A
T
, matriz n m, e b R
m
, tem-se:
b C(A
T
) se e so se existe vector coluna R
n
tal que 0 e (A
T
)
T
= b,
isto e, A = b. QED
Exerccio 15 Mostre que o vector b C(A
T
) se e so se e nao vazio o conjunto
admissvel do problema de optimizacao linear na forma padrao 1.1:
_
_
min
x
cx
Ax = b
x 0,
(3.4)
onde c R
n
e vector linha, A e matriz real propria m n e b R
m
e vector
coluna.
33
Um subconjunto C de R
n
diz-se um cone convexo se existe subconjunto
nito U de R
n
tal que C = C(U). Um cone convexo diz-se primitivo se e gerado
por algum conjunto de vectores linearmente independentes.
Exerccio 16 Mostre que e fechada a imagem inversa por aplicacao contnua
de conjunto fechado.
Proposicao 17 Todo o cone convexo primitivo e fechado.
Prova: Seja C
0
o cone convexo gerado pelos elementos da base padrao de R
k
.
Este cone e fechado pois e a interseccao de k semi-espacos fechados. Seja C =
C(U) com U = {u
1
, . . . , u
k
} conjunto de vectores linearmente independentes
em R
n
. Seja h : R
k
R
k
tal que h(x) = x
1
u
1
+ + x
k
u
k
. Assim, h e
funcional linear injectivo. Logo, atendendo a que C = h(C
0
), h
1
(C) = C
0
em
que h
1
: h(R
k
) R
k
e funcional linear, portanto, contnuo. Entao, usando o
Exerccio 16, conclui-se que C e fechado. QED
Proposicao 18 Todo o cone convexo e uniao de conjunto nito de cones con-
vexos primitivos.
Prova: Considere-se o cone convexo gerado por U = {u
1
, . . . , u
k
} R
n
.
Comeca-se por demonstrar que, para x elemento arbitrario de C(U), x per-
tence a algum cone convexo primitivo.
Se x = 0, entao x e (o unico) elemento do cone convexo primitivo gerado
pelo conjunto vazio.
Caso contrario, seja U
x
= {u
i
1
, . . . , u
i
k
x
} tal que x C(U
x
) e
#U
x
= min
V
{#V : V U, x C(V )}.
Entao, x =
1
u
i
1
+ +
k
x
u
i
k
x
com (R
+
)
k
x
. Mais ainda, verica-se
a seguir por contradicao que U
x
e conjunto linearmente independente, do que
decorre que C(U
x
) e primitivo.
Suponha-se que U
x
nao e linearmente independente, ou seja, existe R
k
x
tal que
1
u
i
1
+ +
k
x
u
i
k
x
= 0 e existe i = 1, . . . , k
x
tal que
i
= 0. Escolha-se
i tal que
|
i
| = min{|
i
| :
i
= 0 & 1 i k
x
}.
Considere-se o vector =

i
. Entao, 0 e existe i = 1, . . . , k
x
tal que
i
= 0. Assim,
1
u
i
1
+ +
k
x
u
i
k
x
=
(
1
1
)u
i
1
+ + (
k
x

k
x
)u
i
k
x
=
(
1
u
i
1
+ +
k
x
u
i
k
x
)

i
(
1
u
i
1
+ +
k
x
u
i
k
x
) = x,
em contradicao com a escolha de U
x
, pois V = {u
i
j
U
x
:
j
= 0} U
x
e
x C(V ).
Finalmente, a tese decorre do facto de o n umero de cones convexos primitivos
gerados por subconjuntos de U ser nito, pois e majorado por 2
k
. QED
34
Proposicao 19 Todo o cone convexo e fechado.
Prova: Corolario imediato dos resultados anteriores e do facto de ser fechada
a uniao nita de fechados. QED
n
fechado nao vazio e v R
n
. Entao, existe pelo
menos um ponto de U que esta à distancia mnima de v.
Prova: Sejam x U e B = {u U : u v x v}. Observe-se que
B e fechado e limitado por ser a interseccao de U e de uma bola. Logo, B e
compacto. Considere-se a aplicacao f = u. u v : R
n
R. Atendendo à
Proposicao 15 do Captulo 2, como f e contnua, tem mnimo x
v
no compacto
B, o qual e o ponto de B mais proximo de v. Mais, x
v
e um dos pontos de U que
minimiza a distancia a v. Com efeito, x
v
U, pois B U, e x
v
v y v
para todo o y U, o que se prova facilmente por contradicao: seja y U tal que
y v < x
v
v; logo, como x
v
v x v, tem-se y v < x v,
ou seja, y B em contradicao com o facto de x
v
ser mnimo de f em B. QED
Exerccio 21 Sejam U R
n
fechado nao vazio e v R
n
. Mostre que toda a
sucessao de elementos de U minimizante da distancia a v e de Cauchy.
n
cone convexo e v R
n
. Entao, existe pelo
menos um ponto de U que esta à distancia mnima de v.
Prova: Corolario imediato dos resultados anteriores. QED
O resultado seguinte e uma variante do Lema de Farkas que foi enunciado
e demonstrado por Julius Farkas em 1902. A sua generalizacao a espacos vec-
toriais topologicos e conhecida pelo Teorema de HahnBanach, demonstrado
independentemente por Hans Hahn e Stefan Banach nos anos vinte do seculo
passado, na sua variante analtica.
Proposicao 23 (Variante geometrica do Lema de Farkas)
Sejam U = {u
1
, . . . , u
k
} R
n
e v R
n
. Entao, verica-se uma e uma so das
alternativas seguintes:
1. v C(U);
2. existe vector linha w R
n
tal que wu
i
0 para i = 1, . . . , k e wv < 0,
isto e, o hiperplano H = {x R
n
: wx = 0} separa C(U) de v.
Prova: Sejam z um ponto de C(U) à distancia mnima de v e w = (z v)
T
.
Se w for o vector nulo, entao v C(U). Caso contrario, o hiperplano wx = 0
separa C(U) de v. Com efeito:
(a) wv < 0:
Observe-se que (i) 0 < ww
T
= w(z v) = wz wv. Por outro lado, (ii) wz = 0,
o que se verica por contradicao:
35
Seja wz = 0. Considere-se y = (1 )z com R
+
se wz > 0 e R
se
wz < 0. Para || sucientemente pequeno, y C(U). Por outro lado,
y v = (1 )z v
= (1 )z (z w
T
)
= w
T
z,
donde
y v
2
= (w
T
z)
T
(w
T
z)
= (w z
T
)(w
T
z)
= ww
T
z
T
w
T
wz +
2
z
T
z
= w
2
2wz +
2
z
2
.
Assim, atendendo a que wz > 0, para || sucientemente pequeno,
2wz >
2
z
2
e, portanto, y v
2
< w
2
= z v
2
, em contradicao com a escolha de z
como estando à distancia mnima de v.
Finalmente, de (i) e (ii) conclui-se que 0 < wv, ou seja, wv < 0.
(b) wx 0 para todo o x C(U):
Se x = z a tese coincide com (ii). Resta demonstrar a tese quando x = z.
Observe-se que
wx = wx +wz
= w(x z)
= (v z)
T
(x z).
Assim, ha que estabelecer que (v z)
T
(x z) 0, o que se consegue por
contradicao:
Seja (v z)
T
(x z) > 0. Considere-se agora y = x + (1 )z com
0 < < 1. Obviamente, y C(U). Por outro lado,
y v = x +w
T
z = w
T
+ (x z).
Logo,
y v
2
= w
2
+ 2w(x z) +
2
x z
2
= w
2
+ 2(z v)
T
(x z) +
2
x z
2
.
Atendendo a que (z v)
T
(x z) < 0, para sucientemente pequeno,
2(z v)
T
(x z) >
2
x z
2
,
pelo que y v
2
< w
2
= z v
2
, de novo em contradicao com a escolha
de z como estando à distancia mnima de v. QED
Exerccio 24 Interprete geometricamente os argumentos de contradicao utili-
zados na demonstracao da variante geometrica do Lema de Farkas.
Exerccio 25 Sejam A matriz m n e vector coluna v R
n
. Mostre que se
verica uma e uma so das alternativas seguintes:
36
1. v C(A);
n
tal que wA
T
0
T
e wv < 0.
Exerccio 26 Sejam A matriz m n e vector coluna v R
m
. Mostre que se
verica uma e uma so das alternativas seguintes:
1. v C(A
T
);
m
tal que wA 0
T
e wv < 0.
Proposicao 27 (Variante padrao do Lema de Farkas)
Sejam A matriz m n e vector coluna b R
m
. Mostre que o sistema Ax = b
tem solucao nao negativa se e so se, qualquer que seja w R
m
, se w
T
A 0
T
,
entao w
T
b 0.
Prova: Aplicando a Proposicao 14 a A
T
, matriz n m e b R
m
, tem-se:
o sistema Ax = b tem solucao nao negativa se e so se b C(A
T
). Entao,
recorrendo ao Exerccio 26, tem-se: o sistema Ax = b tem solucao nao negativa
se e so nao existe vector linha w R
m
tal que wA 0
T
e wb < 0, ou seja,
qualquer que seja vector linha w R
m
, se wA 0
T
, entao wb 0, ou seja,
qualquer que seja w R
m
, se w
T
A 0
T
, entao w
T
b 0. QED
Exerccio 28 Seja X o conjunto admissvel do problema 3.4. Entao, verica-se
uma e uma so das alternativas seguintes:
1. b C(A
T
), caso em que X nao e vazio;
m
tal que wA 0
T
e wb < 0, caso em que X e
vazio.
Proposicao 29 (Variante canonica do Lema de Farkas)
m
. Entao, o sistema Ax b tem
solucao nao negativa se e so se, qualquer que seja w (R
+
0
)
m
, se w
T
A 0
T
,
entao w
T
b 0.
Prova: Utilizando variaveis de folga, o sistema o sistema Ax b tem solucao
nao negativa se e so se o sistema Ax = b tem solucao nao negativa, em que
A e a matriz m (n + m) que se obtem de A juntando-lhe à direita a matriz
identidade m m e x R
n+m
. Entao, usando a variante padrao do lema de
Farkas (Proposicao 27), obtem-se: o sistema o sistema Ax b tem solucao nao
negativa se e so se, qualquer que seja w R
m
, se w
T
A 0
T
, entao w
T
b 0.
Finalmente, levando me linha de conta que a assercao w
T
A 0
T
e equivalente
à conjuncao w
T
A 0
T
e w
T
0
T
, obtem-se o resultado pretendido. QED
Exerccio 30 Demonstre a variante padrao do Lema de Farkas a partir da
variante canonica.
37
Considere-se de novo o problema canonico 1.2, agora enunciado na forma
pura, isto e, incorporando na matriz das restricoes as condicoes de nao negati-
vidade:
_
_
_
max
x
cx
Ax b,
(3.5)
onde b R
m+n
se obtem de b juntando-lhe n linhas nulas e A e a matriz
(m+n) n que se obtem de A juntando-lhe n linhas, sendo, para cada j N,
a (m+j)-esima linha composta por zeros, com excepcao da componente j que
e 1.
Dado x X, a linha a
i
= [a
i1
. . . a
in
] de A diz-se activa em x se a
i
x = b
i
.
Denota-se por A
x
a matriz composta pelas linhas de A activas em x.
Exerccio 31 Seja x X. Mostre que x frX se e so se existe linha activa
de A em x.
A nocao de maximo local estende-se a aplicacoes de R
n
em R como se segue.
Diz-se que x e maximo local de f : R
n
R em D R
n
se existe > 0 tal que,
qualquer que seja y D, se x y , entao f(x) f(y).
Proposicao 32 (Teorema do maximo local)
Relativamente ao problema 3.5, para cada x frX, verica-se uma e uma so
das alternativas seguintes:
1. c
T
C(A
x
) e x e maximo local do funcional objectivo em X;
2. c
T
C(A
x
) e x nao e maximo local do funcional objectivo em X.
Prova: Se c = 0, entao a tese decorre imediatamente. Caso contrario, aplicando
o Lema de Farkas à matriz A
x
e ao vector c
T
, conclui-se que se verica uma e
uma so das alternativas seguintes:
1. c
T
C(A
x
);
n
tal que w(A
x
)
T
0
T
e wc
T
< 0.
No caso 1, prova-se a tese por contradicao como se segue. Suponha-se que x
nao e maximo local do funcional objectivo em X, isto e, que, qualquer que seja
> 0, existe y X tal que x y e cx < cy. Sejam > 0 e y escolhidos
nestas condicoes.
Dado que c
T
C(A
x
), existe de dimensao k
x
tal que 0 e (A
x
)
T
= c
T
,
ou seja,
T
A
x
= c. Logo, de cx < cy conclui-se
T
A
x
x <
T
A
x
y, donde,
existe i tal que
i
> 0 e A
x
x < A
x
y. Entao, por denicao de A
x
, para tal i,
b
i
= a
i
x < a
i
y. Logo, nao se tem Ay b e, portanto, y X, em contradicao
com a escolha de y.
No caso 2, a tese e obtida por contra-exemplo: dado > 0 e possvel
encontrar y R
n
tal que (i) x y , (ii) cx < cy e (iii) y X. Considere-se
y = x w
T
com R
+
. Escolhendo sucientemente pequeno, consegue-se
38
garantir (i): basta escolher inferior ou igual a

w
T
. Atendendo a que wc
T
< 0
e a que > 0, de
cy = cx cw
T
cy = cx cw
T
= cx (wc
T
)
T
conclui-se (ii). Finalmente, para provar (iii), isto e, Ay b, basta estabelecer,
para cada i de A, se tem: a
i
y b
i
, o que e conseguido por casos.
(a) Linha i activa em x:
Neste caso, a
i
x = b
i
. Entao, a
i
y = b
i
a
i
(w
T
)
i
. Atendendo a que w(A
x
)
T
0
T
, em particular, a
i
(w
T
)
i
0, donde, por ser positivo, a
i
y b
i
.
(b) Linha i nao activa em x:
Neste caso, a
i
x < b
i
. Logo, escolhendo sucientemente pequeno, consegue-se
garantir que a
i
y = a
i
x a
i
(w
T
)
i
seja inferior ou igual a b
i
: basta escolher
inferior ou igual a
b
i
a
i
x
|a
i
(w
T
)
i
|
. QED
Exerccio 33 Enuncie o problema de optimizacao linear na forma canonica
pura 3.5 com o funcional objectivo x. x
1
+ 2x
2
e de modo a que o conjunto
admissvel seja o quadrado na gura seguinte:
E
T
1 2 x
1
1
2
x
2
d
d
d
d
d
d
d
d
d
d
Calcule a matriz A
x
, o cone C(A
x
), verique se (1, 2) C(A
x
) e interprete o
resultado para os valores seguintes de x:
(
3
2
,
3
2
);
(2, 1);
(1, 0);
(1, 2).
Exerccio 34 Resolva o exerccio anterior usando x. x
1
+x
2
como funcional
objectivo.
39
Proposicao 35 (Teorema do maximo)
Relativamente ao problema 3.5, todo o maximo local do funcional objectivo em
X e maximo.
Prova: A prova realiza-se por contradicao. Sejam x maximo local de x. cx
em X e z X tal que cx < cz. Entao, qualquer que seja > 0, existe y R
n
tal que y X, x y e cx < cy em contradicao com a hipotese de x ser
maximo local. Basta escolher y = (1)x+z com sucientemente pequeno
de modo a garantir que x y . Escolhendo < 1, y e combinacao
convexa de elementos de X, donde, atendendo a que X e convexo, se conclui
que y X. Finalmente, levando em linha de conta que cz > cx e que e
positivo, cy = (1 )cx + cz > (1 )cx + cx = cx. QED
40
Captulo 4
Dualidade
Recorde-se o problema de optimizacao linear na forma canonica:
_
_
max
x
cx
Ax b
x 0,
(4.1)
dados vector linha c R
n
, A matriz real propria mn e vector coluna b R
m
.
Sejam X e S, respectivamente, o conjunto admissvel e o conjunto solucao deste
problema.
Proposicao 1 O conjunto solucao do problema 4.1 coincide com o conjunto
composto por cada z R
n
tal que inf
y0
cz +y
T
(b Az) e igual a
sup
x0
inf
y0
cx +y
T
(b Ax). (4.2)
Prova: Seja S o conjunto solucao do problema 4.1 e
Z = {z (R
+
0
)
n
: inf
y0
cz +y
T
(b Az) = sup
x0
inf
y0
cx +y
T
(b Ax)}.
Observe-se que
S = {s X : cs = max{cx : x X}} = {s X : cs = sup
xX
cx}.
Assim, ha que provar que S = Z, ou seja, demonstrar que o conjunto do
maximizantes em X da aplicacao
f = x. cx : R
n
R
coincide com o conjunto dos maximizantes em (R
+
0
)
n
da aplicacao
g = x. inf
y0
cx +y
T
(b Ax) : R
n
R,
onde, como e usual, R denota a recta acabada.
41
42
(i) As duas aplicacoes coincidem em X = {x : Ax b, x 0}, pois, para
cada x X, b Ax 0, donde inf
y0
cx +y
T
(b Ax) = cx.
(ii) Logo,
sup
xX
g(x) = sup
xX
f(x).
(iii) Para cada x que nao satisfaca Ax b, a aplicacao g e constantemente
igual a , pois o conjunto {cx +y
T
(b Ax) : y 0} nao e limitado inferior-
mente em R.
(iv) Portanto,
sup
x0
g(x) = sup
xX
g(x).
A tese e obtida como se segue:
S = {s X : f(s) = sup
xX
f(x)}
= {s X : g(s) = sup
xX
f(x)} (i)
= {s X : g(s) = sup
xX
g(x)} (ii)
= {z (R
+
0
)
n
: g(z) = sup
xX
g(x)} (iii)
= {z (R
+
0
)
n
: g(z) = sup
x0
g(x)} (iv)
= Z.
QED
Sejam L : X Y R aplicacao em que X e Y sao conjuntos arbitrarios,
X X e Y Y. Na presenca de um problema de optimizacao da forma
sup
xX
inf
yY
L(x, y), (4.3)
e conveniente considerar o problema dual
inf
yY
sup
xX
L(x, y). (4.4)
Exerccio 2 Mostre que o dual do problema 4.1 e o problema
_
_
min
y
b
T
y
A
T
y c
T
y 0.
(4.5)
No seguimento, denota-se por Y e R, respectivamente, o conjunto admissvel

e o conjunto solucao do problema 4.5.
Exerccio 3 Enuncie o problema do Exemplo 1 do Captulo 1 na forma mini-
max. Obtenha o seu dual e interprete-o.
43
Exerccio 4 Determine o dual do problema do Exemplo 2 do Captulo 1 e
interprete-o.
Proposicao 5 O problema dual do dual e equivalente ao problema original.
Prova: Deixa-se como exerccio. QED
Proposicao 6 Quaisquer que seja a aplicacao L : X Y R e os conjuntos
X X e Y Y, tem-se:
sup
xX
inf
yY
L(x, y) inf
yY
sup
xX
L(x, y).
Prova: Com efeito, inf
yY
L(x, y) L(x, y
), qualquer que seja y
Y. Assim,
sup
xX
inf
yY
L(x, y) sup
xX
L(x, y
), qualquer que seja y
Y. Logo,
sup
xX
inf
yY
L(x, y) inf
yY
sup
xX
L(x, y). QED
Exerccio 7 Se Y = e existe R tal que, qualquer que seja y Y , b
T
y,
entao o problema 4.5 tem solucao.
Proposicao 8 (Teorema fraco da dualidade)
Relativamente ao problema canonico 4.1 e ao seu dual 4.5, quaisquer que sejam
x X e y Y , tem-se:
cx b
T
y.
Prova: De y Y conclui-se (i) y 0 e c
T
A
T
y, ou seja, (ii) c y
T
A.
Por outro lado, de x X conclui-se (iii) x 0 e (iv) Ax b. De (ii) e (iii),
obtem-se (v) cx y
T
Ax. De (i) e (iv), resulta (vi) y
T
Ax y
T
b. Finalmente,
de (v) e (vi), infere-se cx y
T
b, ou seja, cx b
T
y. QED
Observe-se que o Teorema fraco da dualidade pode ser obtido como corolario
da Proposicao 6, o que se deixa como exerccio.
Decorre do Teorema fraco da dualidade que cx = b
T
y e condicao suciente
para que os admissveis x e y sejam optimos, isto e, x S e y R. Poe-se
a questao se esta condicao sera necessaria. A resposta armativa e dada pelo
Teorema forte da dualidade demonstrado no seguimento.
Proposicao 9
1. O funcional objectivo do problema canonico 4.1 e limitado superiormente
em X se Y = .
2. O funcional objectivo do problema dual 4.5 e limitado inferiormente em
Y se X = .
Prova: Prova-se apenas 1, pois a demonstracao de 2 e semelhante. Seja Y = .
Ha a considerar dois casos:
(i) X = , caso em que {cx : x X} = e, portanto, limitado inferiormente.
(ii) X = , caso em que a tese decorre do Teorema fraco da dualidade. QED
44
De acordo com os resultados seguintes, a majoracao do objectivo do pro-
blema original e a minoracao do objectivo do problema dual providenciadas
pela Dualidade Fraca sao de facto perfeitas.
Proposicao 10 (Criterio de optimalidade)
Se x X, y Y e cx = y
T
b, entao x S e y R.
Prova: Sejam x X e y Y tais que cx = y
T
b, isto e, cx = b
T
y. Entao, pelo
Teorema fraco da dualidade, tem-se:
1. cx b
T
y
, qualquer que seja y
Y ;
2. cx
b
T
y, qualquer que seja x
X.
Ou seja:
1. b
T
y b
T
y
, qualquer que seja y
Y ;
2. cx
cx, qualquer que seja x
X.
De 1 conclui-se que y R e de 2 conclui-se que x S. QED
Proposicao 11 (Lema da existencia de dual)
Relativamente ao problema canonico 4.1 e ao seu dual 4.5, dado s S, para
cada > 0, existe y Y tal que
cs b
T
y < (cs + ).
Prova: Dado s S, observe-se que o sistema
_
Ax b
cx cs
(4.6)
tem solucao nao negativa, enquanto que, qualquer que seja > 0, o sistema
_
Ax b
cx cs +
(4.7)
nao tem solucao nao negativa.
Sejam A a matriz (m + 1) n a matriz que se obtem de A juntando-lhe
a linha c e b
R
m+1
o vector coluna que se obtem de b juntando-lhe a
componente cs . Claramente, o sistema 4.6 e equivalente a Ax b
0
e o
sistema 4.7 e equivalente a Ax b
.
Aplicando a variante canonica do Lema de Farkas (Proposicao 29) a Ax b
,
conclui-se que existe v (R
+
0
)
m
e z R
+
0
tais que:
(v, z)
T
A 0
T
, donde, A
T
v zc
T
;
(v, z)
T
b
< 0, donde, b
T
v < z(cs + ).
Aplicando de novo a variante canonica do Lema de Farkas (Proposicao 29)
a Ax b
0
e tomando w = (v, z), conclui-se:
45
(v, z)
T
b
0
0, donde, b
T
v zcs.
Assim, zcs b
T
v < z(cs + ). Logo, z > 0. Seja
y =
1
z
v.
Entao:
y Y , pois:
y 0, uma vez que v 0 e z > 0;
A
T
y c
T
, atendendo a que A
T
v zc
T
.
cs b
T
y < (cs + ), porque zcs b
T
v < z(cs + ).
QED
Proposicao 12
1. O funcional objectivo do problema canonico 4.1 nao e limitado superior-
mente em X ou X = se Y = .
2. O funcional objectivo do problema dual 4.5 nao e limitado inferiormente
em Y ou Y = se X = .
Prova: Prova-se apenas 1, pois a demonstracao de 2 e semelhante. Seja Y = .
Ha dois casos a considerar:
(i) X = , caso em que se tem a tese.
(ii) X = , caso em que se demonstra por contradicao que o funcional objectivo
do problema canonico nao e limitado superiormente em X. Suponha-se que este
funcional e limitado superiormente em X. Entao, como X = , recorrendo ao
Teorema fundamental (Proposicao 27 do Captulo 2), S = , donde, invocando
o Lema da existencia de dual, se conclui que Y = em contradicao com a
hipotese. QED
Proposicao 13 (Teorema forte da dualidade)
Relativamente ao problema canonico 4.1 e ao seu dual 4.5, ha quatro casos
possveis:
1. X = e Y = , caso em que:
S = e R = .
S = e R = ;
o funcional objectivo do problema canonico nao e limitado superior-
mente em X.
46
S = e R = ;
o funcional objectivo do problema dual nao e limitado inferiormente
em Y .
S = e R = ;
quaisquer que sejam s S e r R, tem-se cs = b
T
r.
Prova:
1. Basta recordar que S X e R Y .
2. Neste caso, a Proposicao 12 permite concluir que o funcional objectivo do
problema canonico nao e limitado superiormente em X, donde S = . Por
outro lado, R = por Y ser vazio.
3. Argumento semelhante ao do caso anterior.
4. Como Y = , usando o teorema fraco da dualidade, conclui-se que o objec-
tivo 4.1 e limitado superiormente em X, donde o teorema fundamental (Pro-
posicao 27 do Captulo 2) garante que S = . De modo semelhante se estabelece
que R = . Resta provar que cs = b
T
r para quaisquer s S e r R.
Seja s e r elementos arbitrarios de S e R, respectivamente. Pelo Teorema fraco
da dualidade, tem-se
cs b
T
r.
Por outro lado, demonstra-se por contradicao que
cs b
T
r.
Com efeito, suponha-se que cs < b
T
r. Tome-se = b
T
r cs. Entao, recorrendo
ao Lema de existencia de dual, existe y Y tal que b
T
y < cs+, ou seja, existe
y Y tal que
b
T
y < b
T
r,
em contradicao com a hipotese de r ser solucao do problema dual. QED
Exerccio 14 Relativamente ao problema canonico e ao seu dual, mostre que:
cs = b
T
r, quaisquer que sejam s S e r R;
S e R sao ambos vazios ou sao ambos nao vazios;
se X = e S = , entao o funcional x. cx nao e limitado superiormente
em X;
se Y = e R = , entao o funcional y . b
T
y nao e limitado inferiormente
em Y .
Exerccio 15 Demonstre o Teorema forte da dualidade a partir do Teorema
do maximo local (Proposicao 32 do Captulo 3). Interprete geometricamente a
dualidade.
47
Vai-se de seguida mostrar que as solucoes do problema dual dao informacao
util sobre as folgas das solucoes do problema canonico face às suas restricoes e
vice-versa. Mais concretamente, sejam:
d = x. b Ax : R
n
R
m
;
e = y . A
T
y c
T
: R
m
R
n
.
Observe-se que d(x) 0 se x X, caso em que d(x) se diz a folga de x, e que
e(y) 0 se y Y , caso em que e(y) se diz a folga de y.
Proposicao 16 (Lema das folgas)
Relativamente ao problema canonico 4.1 e ao seu dual 4.5, se x X e y Y ,
entao:
d(x)
T
y 0;
e(y)
T
x 0;
d(x)
T
y +e(y)
T
x = b
T
y cx.
Prova: Com efeito:
(i) d(x)
T
y, e(y)
T
x 0, pois x, y, d(x), e(y) 0, atendendo a que x X e y Y .
(ii) d(x)
T
y +e(y)
T
x = b
T
y cx pois:
d(x)
T
y +e(y)
T
x = d(x)
T
y +x
T
e(y)
= (b Ax)
T
y +x
T
(A
T
y c
T
)
= b
T
y x
T
A
T
y +x
T
A
T
y x
T
c
T
= b
T
y x
T
c
T
= b
T
y cx.
QED
Proposicao 17 (Teorema da complementaridade das folgas)
Relativamente ao problema canonico 4.1 e ao seu dual 4.5, se s S e r R,
entao:
d(s)
T
r = 0 e e(r)
T
s = 0.
Prova: Sejams S e r R. Entao, pelo Teorema da dualidade forte, cs = b
T
r,
donde, usando o Lema das folgas, decorre a tese. QED
Este resultado implica que a i-esima componente
1
de r so pode ser diferente
de zero se a restricao i estiver activa no problema original, isto e, d(s)
i
= 0.
Vice-versa, a j-esima componente de s so pode ser diferente de zero se a restricao
j estiver activa no problema dual, isto e, e(r)
j
= 0.
Embora os resultados anteriores sobre dualidade tenham sido estabelecidos
para problemas na forma canonica, sao aplicaveis, por transformacao, a proble-
mas na forma padrao. Mas, vale a pena analisar em detalhe alguns aspectos.
1
Correspondente ao multiplicador de Lagrange para a restricao i.
48
Recorde-se o problema de optimizacao linear formulado na forma padrao
restrita:
_
_
min
x
cx
Ax = b
x 0,
(4.8)
onde c R
n
, b R
m
, A e matriz real propria mn, m < n e carA = m.
Exerccio 18 O conjunto solucao do problema 4.8 coincide com o conjunto
composto por cada z R
n
tal que sup
yR
m
cz +y
T
(b Az) e igual a
inf
x0
sup
yR
m
cx +y
T
(b Ax). (4.9)
Exerccio 19 Mostre que o dual do problema 4.8 e o problema

_
_
_
max
y
b
T
y
A
T
y c
T
.
(4.10)
No seguimento, X, S, Y e R denotam os conjuntos admissvel e solucao do

problema 4.8 e do seu dual 4.10.
Exerccio 20 Demonstre o Teorema fraco da dualidade para o problema 4.8 e
o seu dual 4.10 quaisquer que sejam x X e y Y , b
T
y cx.
Exerccio 21 Demonstre o Criterio de optimalidade para o problema 4.8 e o
seu dual 4.10 quaisquer que sejam x X e y Y , se b
T
y = cx, entao x S
e y R.
Exerccio 22 Demonstre o Teorema forte da dualidade para o problema 4.8 e
o seu dual 4.10 ha quatro casos possveis:
1. X = e Y = , caso em que S = e R = .
2. X = e Y = , caso em que S = , R = e o funcional objectivo do
problema padrao nao e limitado inferiormente em X.
3. X = e Y = , caso em que S = , R = e o funcional objectivo do
problema dual nao e limitado superiormente em Y .
4. X = e Y = , caso em que S = , R = e, quaisquer que sejam s S
e r R, tem-se cs = b
T
r.
49
Sendo x R
n
, recorde-se que se denota por P
x
o conjunto {j N : x
j
> 0}.
No contexto do problema na forma padrao restrita 4.8 e do seu dual 4.10, para
x R
n
e y R
m
, o sistema
(A
P
x
)
T
y = c
T
P
x
diz-se a condicao de equilbrio sobre x e y.
Observe-se que, na forma padrao, a restricao Ax = b nao tem folga. A
folga so pode existir no problema dual. A condicao de equilbrio e equivalente
à complementaridade
x(y
T
Ac) = 0.
Proposicao 23 (Teorema do equilbrio)
Relativamente ao problema na forma padrao restrita 4.8 e ao seu dual 4.10,
para cada x X, tem-se:
1. se x S, entao R = e verica-se a condicao de equilbrio sobre x e y,
qualquer que seja y R.
2. se existe y Y tal que se verica a condicao de equilbrio sobre x e y,
entao x S.
Prova:
1. Seja x S. Entao, S = , donde o Teorema forte da dualidade permite
concluir que R = . Seja y R arbitrario. O Teorema forte da dualidade
tambem garante que se tem b
T
y = cx, ou seja, cx x
T
A
T
y = 0, isto e,
n
j=1
x
j
(c
j
i=1
y
i
a
ij
) = 0 .
Observe-se que, para cada j, tem-se x
j
0, pois x X, e (c
j
m
i=1
y
i
a
ij
) 0,
pois y Y . Logo, para cada j N, verica-se
x
j
(c
j
i=1
y
i
a
ij
) = 0 ,
ou seja, para cada j N, se x
j
> 0, entao (A
T
y)
j
=

m
i=1
y
i
a
ij
= c
j
, o que
equivale a armar a condicao de equilbrio sobre x e y.
2. Sejam x X e y Y tais que, para cada j, se x
j
> 0, entao
m
i=1
y
i
a
ij
= c
j
.
Logo, para cada j, como x
j
0,
x
j
(c
j
i=1
y
i
a
ij
) = 0 ,
donde facilmente se obtem b
T
y = cx. Portanto, invocando o Teorema fraco da
dualidade, x S. QED
Exerccio 24 Seja x X. Mostre que se tem:
50
1. se R = e se verica a condicao de equilbrio sobre x e y, qualquer que
seja y R, entao x S;
2. se x S, entao existe y Y tal que se verica a condicao de equilbrio
sobre x e y.
No contexto do problema na forma padrao restrita 4.8, a hipotese de nao

degenerescencia
b nao e combinacao linear de menos do que m colunas de A (4.11)
facilita o desenvolvimento da teoria e do algoritmo do simplexo. O problema
assim formulado diz-se nao degenerado.
Sublinhe-se que a situacao de degenerescencia e muito fragil no caso do
problema dado ser degenerado, pequenas perturbacoes aleatorias nos coecien-
tes de b facilmente conduzem a nao degenerescencia.
Proposicao 25 (Lema da nao degenerescencia)
No caso do problema na forma padrao restrita 4.8 ser nao degenerado, qualquer
que seja o vector admissvel x, tem-se:
x e basico se e so se #P
x
= m.
Prova: Seja x X.
():
Seja x basico. Logo, por denicao de vector basico, #P
x
m. Por outro lado,
prova-se por contradicao que #P
x
m. Com efeito, suponha-se que #P
x
< m.
Entao, como Ax = A
P
x
x
P
x
+A
(N\P
x
)
x
(N\P
x
)
= A
P
x
x
P
x
= b, conclui-se que b e
combinacao linear de menos do que m colunas de A, em contradicao a hipotese
de nao degenerescencia.
():
Seja #P
x
= m. Sem perda de generalidade, suponha-se P
x
= {1, . . . , m} = M.
Entao, Ax = a
1
x
1
+ + a
m
x
m
em que cada a
i
e a i-esima coluna da A.
Com efeito, para cada i M,
(Ax)
i
=
n
j=1
a
ij
x
j
=
m
j=1
a
ij
x
j
= a
i1
x
1
+ +a
im
x
m
= (a
1
)
i
x
1
+ + (a
m
)
i
x
m
= (a
1
x
1
+ +a
m
x
m
)
i
.
Ou seja, Ax = x
1
a
1
+ + x
m
a
m
. Prova-se por contradicao que as colunas
a
1
, . . . , a
m
sao linearmente independentes, o que equivale a dizer que x e basico
51
usando a Proposicao 20. Com efeito, sendo as colunas a
1
, . . . , a
m
linearmente
dependentes, existe v R
m
nao nulo tal que v
1
a
1
+ +v
m
a
m
= 0, donde:
(x
1
v
1
)a
1
+ + (x
m
v
m
)a
m
= b,
qualquer que seja R. Sem perda de generalidade, suponha-se que v
i
> 0
para algum i M. Escolha-se
= min{
x
i
v
i
: v
i
> 0}.
Assim, existe pelo menos um i M tal que (x
i
v
i
) = 0, donde se conclui
que b e combinacao linear de menos de m colunas de A, em contradicao com a
hipotese de nao degenerescencia. QED
Decorre deste resultado que, no caso de nao degenerescencia, todo o vector
admissvel basico e nao degenerado. Mais ainda, para detectar que um vec-
tor admissvel e basico basta vericar que tem precisamente m componentes
positivas.
Proposicao 26 (Teorema da unicidade)
Considere-se o problema na forma padrao restrita 4.8 nao degenerado. Sejam
s S e r R. Suponha-se:
s basico;
r
T
a
j
< c
j
para cada j (N \ P
s
).
Entao:
S = {s};
R = {r}.
Prova:
#S = 1:
A demonstracao e realizada por contradicao. Seja s
S tal que
(*) s
= s.
Seja v = s
s. Entao, Av = A(s
s) = As
As = b b = 0, donde:
r
T
(Av) =
jN
(r
T
a
j
)v
j
=
jP
s
(r
T
a
j
)v
j
+
j(N\P
s
)
(r
T
a
j
)v
j
= 0.
Para cada j P
s
, tem-se:
r
T
a
j
= c
j
, recorrendo ao Teorema do equilbrio, pois s S e r R.
52
Logo,
jP
s
c
j
v
j
+
j(N\P
s
)
(r
T
a
j
)v
j
= 0.
Por outro lado, para cada j (N \ P
s
), tem-se:
r
T
a
j
< c
j
, por hipotese;
v
j
= s
j
0, pois s
j
= 0 e s
0.
Logo,
()
jP
s
c
j
v
j
+
j(N\P
s
)
c
j
v
j
0 ,
Mais, como se demonstra no seguimento, existe j (N \ P
s
) tal que v
j
> 0,
donde se conclui que a desigualdade () e estrita:
jP
s
c
j
v
j
+
j(N\P
s
)
c
j
v
j
> 0 ,
ou seja,
cv > 0
em contradicao com s, s
S.
Resta demonstrar que existe j (N \ P
s
) tal que v
j
> 0, o que se consegue
por contradicao como se segue. Suponha-se
(**) v
j
= 0 para cada j (N \ P
s
).
Como o problema e nao degenerado e s e basico, invocando o Lema da nao
degenerescencia, tem-se:
#P
s
= m,
donde, usando a Proposicao 20 do Captulo 2,
A
P
s
e base para s.
Logo A
P
s
e matriz mm nao singular. Por outro lado, de Av = 0, conclui-se
A
P
s
v
P
s
+A
N\P
s
v
N\P
s
= 0,
donde, usando (**),
A
P
s
v
P
s
= 0.
Logo, v
P
s
= 0. Com efeito, a nao singularidade de A
P
s
garante que o sistema
A
P
s
z = 0.
tem solucao unica. Como o vector nulo e solucao, conclui-se que v
P
s
= 0.
Portanto, usando de novo (**), v = 0, em contradicao com (*).
#R = 1:
53
Aplicando o Teorema do equilbrio, para cada x X, se x = s, entao, para
todo o y R,
(A
P
s
)
T
y = c
P
s
,
ou seja,
y
T
A
P
s
= c
P
s
.
Como a matriz A
P
s
e nao singular, o sistema
z
T
A
P
s
= c
P
s
tem uma unica solucao, neste caso r. Assim, #R = 1. QED
Exerccio 27 Estude o seguinte problema em R
2
:
max
x
x
1
+ 2x
2
com x
1
, x
2
0, x
1
+ x
2
1 e 2x
1
+ x
2
3/2. Determine o problema dual e
mostre directamente que ambos tem o mesmo valor optimo.
Exerccio 28 Seja A uma matriz com m linhas e n colunas, com m > n.
Considere a equacao sobredeterminada
Ax = b
com b R
m
. Em geral, esta equacao nao tem solucao. Pretende-se, no entanto,
determinar o vector x R
n
que minimiza o maximo do erro:
sup
i
|(Ax)
i
b
i
|.
Formule este problema como um problema de optimizacao linear. Determine o
seu dual. Compare com o metodo dos mnimos quadrados que consiste em
min
x
Ax b
2
.
Exerccio 29 Sejam s solucao do problema

min
x
cx
com as restricoes Ax b, x 0 e r solucao do problema dual. Utilize o teorema
da complementaridade das folgas para mostrar que s e solucao do problema
min
x
cx r
T
Ax
com a restricao x 0.
Exerccio 30 Sejam n N
+
e x
1
, . . . , x
n
R. Considere o problema
min
y
n
i=1
|y x
i
|.
Mostre que pode ser formulado como um problema de optimizacao linear e que,
no caso de n ser mpar, a solucao e a mediana dos n umeros x
1
, . . . , x
n
.
54
Exerccio 31 Mostre que o problema
_
_
min
y
b
T
y
A
T
y = 0
y 0
e o dual do problema
_
max
x
0x
Ax b .
Captulo 5
Interpretacao logica do Lema
de Farkas
Como se viu, o Lema de Farkas desempenha papel central na teoria da opti-
mizacao linear. Portanto, vale a pena analisa-lo em mais detalhe, incluindo a
sua variante pura, obtida a partir dos teoremas da dualidade, bem como a sua
interpretacao logica.
Proposicao 1 (Variante pura do Lema de Farkas)
m
. Entao, o sistema Ax b tem
solucao se e so se, para todo o w (R
+
0
)
m
, se w
T
A = 0
T
, entao w
T
b 0.
Prova:
Seja
W = {w (R
+
0
)
m
: w
T
A = 0
T
, w
T
b < 0}.
Observe-se que W = se e so se, para todo o w (R
+
0
)
m
, se w
T
A = 0
T
, entao
w
T
b 0. Assim, pretende-se demonstrar que Ax b tem solucao se e so se
W = .
Considere-se o problema seguinte de optimizacao linear
_
max
x
0x
Ax b
e o seu dual
_
_
min
y
b
T
y
A
T
y = 0
y 0 .
Sejam X e Y os respectivos conjuntos admissveis. Sejam S e R os respectivos
conjuntos solucoes.
():
Suponha-se que o sistema Ax b tem solucao. Demonstra-se por contradicao
que W = .
55
56
Suponha-se que existe w (R
+
0
)
m
tal que w
T
A = 0
T
e w
T
b < 0. Da hipotese
Ax b ter solucao decorre que X e nao vazio. Seja x X. Por outro lado, da
hipotese de contradicao decorre que w esta no conjunto admissvel Y . Entao,
usando o Teorema fraco da dualidade (Proposicao 8 do Captulo 4), b
T
w 0x,
ou seja, b
T
w 0, em contradicao com a escolha de w.
():
Suponha-se que W = . Observe-se que 0 Y , donde, por W ser vazio, 0 R.
Entao, usando o Teorema forte da dualidade (Proposicao 13 do Captulo 4),
S = e X = . QED
Exerccio 2 Demonstre a variante canonica do Lema de Farkas a partir da
variante pura.
A variante pura do Lema de Farkas corresponde a armar que a logica dos
sistemas de inequacoes (LSI) e (fracamente) completa e correcta como a seguir
se explica.
Linguagem da LSI As formulas da LSI sao os sistemas de inequacoes. Mais
precisamente, por formula de tipo mn entende-se um sistema Ax b em que
A e matriz real mn e b R
m
.
Calculo da LSI Diz-se que a formula (A
x b
) de tipo m
n se deriva da
formula (Ax b) de tipo mn, o que se escreve (Ax b) (A
x b
), se existe
D matriz m
m de componentes nao negativas tal que A
= DA e b
= Db.
Por outras palavras, uma derivacao corresponde a uma combinacao linear das
inequacoes originais usando escalares nao negativos. A formula (Ax b) de
tipo mn diz-se incoerente se (Ax b) (0
T
x 1). Caso contrario, diz-se
coerente.
Exerccio 3 Mostre que e incoerente o sistema
_
_
2x
1
5x
2
0
x
1
1
x
2
3 .
Semantica da LSI Dado vector coluna u R

n
, diz-se que u satisfaz a
formula (Ax b) de tipo mn, o que se escreve u (Ax b), se Au b, ou
seja, se u e solucao do sistema. Nestas condicoes, u diz-se modelo de (Ax b).
A formula (Ax b) de tipo mn diz-se satisfazvel se admite modelo, isto e,
se existe u R
n
tal que u (Ax b).
Proposicao 4 (Lema da correccao das derivacoes)
Se u (Ax b) e (Ax b) (A
x b
), entao u (A
x b
).
57
Prova: Da hipotese (Ax b) (A
x b
) conclui-se que existe D matriz

m
m de componentes nao negativas tal que A
= DA e b
= Db.
Pretende-se mostrar que u (A
x b
), ou seja, A
u b
, isto e, DAu
Db, ou de modo equivalente linha a linha, (DAu)
k
(Db)
k
para k = 1, . . . , m
.
Observe-se que
(DAu)
k
=
i
d
ki
(Au)
i
;
(Db)
k
=
i
d
ki
b
i
.
Da hipotese u (Ax b) conclui-se Au b, ou seja, (Au)
i
b
i
para
i = 1, . . . , m. Assim, como cada d
ij
e nao negativo, conclui-se
(DAu)
k
(Db)
k
para k = 1, . . . , m
. QED
Uma vez denida a LSI, invocando a variante pura do Lema de Farkas,
facilmente se chega ao resultado seguinte:
Proposicao 5 (Variante logica do Lema de Farkas)
m
. Entao, (Ax b) e satisfazvel
se e so se e coerente.
Prova:
():
O resultado e obtido por contradicao. Suponha-se que existe u R
n
tal que
u (Ax b) e que (Ax b) nao e coerente, ou seja, (Ax b) (0
T
x 1).
Entao, pela Proposicao 4, existe u R
n
tal que u (0
T
x 1), o que e
absurdo.
():
O resultado e obtido por contraposicao. Suponha-se que (Ax b) nao e satis-
fazvel, ou seja, o sistema Ax b nao tem solucao. Entao, pela Proposicao 1,
existe w (R
+
0
)
m
tal que w
T
A = 0
T
e w
T
b < 0. Logo, a formula (0
T
x 1)
deriva-se da formula (Ax b) usando a matriz
1
|w
T
b|
w
T
. Portanto, por denicao,
(Ax b) e incoerente.
QED
Por logica (fracamente) correcta entende-se uma logica em que a satisfabi-
lidade implica a coerencia. E por logica (fracamente) completa entende-se uma
logica em que a coerencia implica a satisfabilidade. Assim, a variante logica do
Lema de Farkas arma que a LSI e (fracamente) correcta e completa. Para mais
detalhes sobre as nocoes de correccao e completude, o leitor devera consultar
um texto de logica matematica, por exemplo [15].
58
Captulo 6
Perturbacao e parametrizacao
Neste captulo, analisa-se o efeito de alteracoes nos dados do problema de op-
timizacao linear. Por exemplo, se o vector dos requisitos for perturbado, entao
o que acontece ao valor do custo? Estas questoes sao importantes na pratica
porque raramente os dados do problema sao conhecidos precisamente.
Recorde-se o problema de optimizacao linear enunciado na forma padrao
restrita:
_
_
min
x
cx
Ax = b
x 0,
(6.1)
onde c R
n
, b R
m
, A e matriz real propria m n, m < n e carA = m.
Para por em evidencia a dependencia dos parametros do problema, denota-se,
neste captulo, sempre que conveniente, o conjunto admissvel X por X(A, b)
e o conjunto solucao S por S(A, b, c). Pela mesma razao, quando relevante,
escreve-se Y (A, c) e R(A, c, b) em vez de Y e R, conjunto admissvel e conjunto
solucao do problema dual.
Seja U R
n
conjunto convexo. A aplicacao f : U R diz-se convexa se
f(u + (1 )v) f(u) + (1 )f(v) ,
quaisquer que sejam, u, v U e [0, 1]. A aplicacao f diz-se concava se a
aplicacao u. f(u) : U R e convexa.
Exerccio 1 Mostre que toda a aplicacao linear e convexa e concava.
Exerccio 2 Seja U R
n
conjunto convexo. Mostre que a aplicacao f : U R
e convexa se e so se o seu epigrafo
{u R
n+1
: u
1
, . . . , u
n
U, f(u
1
, . . . , u
n
) u
n+1
}
e convexo.
Exerccio 3 Seja U R
n
conjunto convexo. Mostre que a aplicacao f : U R
e concava se e so se o conjunto
{u R
n+1
: u
1
, . . . , u
n
U, f(u
1
, . . . , u
n
) u
n+1
}
e convexo.
59
60
n
conjunto convexo. Dada famlia {f
z
: U R}
zZ
de aplicacoes concavas, a aplicacao
u. inf
zZ
f
z
(u) : U R
e concava.
Prova: Observe-se que se tem
{u R
n+1
: u
1
, . . . , u
n
U, inf
zZ
f
z
(u
1
, . . . , u
n
) u
n+1
} =
zZ
{u R
n+1
: u
1
, . . . , u
n
U, f
z
(u
1
, . . . , u
n
) u
n+1
} ,
donde decorre a tese, pois a classe dos subconjuntos convexos de R
n+1
e fechada
para a interseccao. QED
Proposicao 5 A aplicacao
c . inf
xX(A,b)
cx : R
n
R
e concava.
Prova: Seja f a aplicacao em causa. Considere-se a famlia {f
x
}
xX(A,b)
, em
que cada f
x
= c . cx e aplicacao concava por ser linear. Nestas condicoes,
f = c . inf
xX(A,b)
f
x
(c) ,
donde se conclui, invocando a Proposicao 4, que f e concava. QED
Exerccio 6 Demonstre, directamente a partir da denicao, que a aplicacao
c . inf
xX(A,b)
cx : R
n
R e concava.
n
conjunto convexo. Dada famlia {f
z
: U R}
zZ
de aplicacoes convexas, a aplicacao
u. sup
zZ
f
z
(u) : U R
e convexa.
Prova: Deixa-se como exerccio. QED
n
conjunto convexo e f : R
n
R aplicacao tal
que:
f|
U
: U R e convexa.
f(x) = + para todo o x U.
Entao f e convexa.
61
Prova: Sejam v, v
R
n
e [0, 1]. Ha que vericar que f(v + (1 )v
)
f(v) + (1 )f(v
).
Se v, v
U, o desideratum decorre da convexidade da restricao de f a U.

Caso contrario, a desigualdade verica-se, pois o seu termo direito e +. QED
Denote-se por E(A) o conjunto {b R
m
: X(A, b) = }.
Proposicao 9 O conjunto E(A) e convexo.
Prova: Sejam b, b
E(A) e [0, 1]. Ha que vericar que b
= b+(1)b

E(A), ou seja, X(A, b
) = .
Sejam x X(A, b) e x
X(A, b
) cuja existencia decorre de b, b
E(A).
Assim, Ax = b, x 0, Ax
= b
e x
0. Considere-se x
= x + (1 )x
.
Entao, Ax
= b
e x
0, donde x
X(A, b
) e, portanto, b
E(A). QED
Proposicao 10 A aplicacao
b . inf
xX(A,b)
cx : R
m
R
e convexa.
Prova: Observe-se que, por dualidade, se tem
inf
xX(A,b)
cx = sup
yY (A,c)
b
T
y
sempre que X(A, b) = ou Y (A, c) = , o que se verica para cada b E(A)
caso em que X(A, b) = .
Seja g : R
m
R a aplicacao em causa.
Considere-se a famlia {h
y
}
yY (A,c)
, em que cada h
y
= b . b
T
y : E(A) R
e aplicacao convexa por ser linear. Nestas condicoes,
g|
E(A)
= c . sup
yY (A,c)
h
y
(b) ,
donde se conclui, invocando a Proposicao 7, que g|
E(A)
: E(A) R e convexa.
Por outro lado, g(b) = + para cada b E(A).
Finalmente, aplicando a Proposicao 8, conclui-se que g e convexa. QED
Exerccio 11 Demonstre, directamente a partir da denicao, que a aplicacao
b . inf
xX(A,b)
cx : R
n
R e convexa.
Seja U R
n
. Uma aplicacao h : U R diz-se seccionalmente linear se
existe decomposicao nita de U em poliedros convexos tal que a restricao de h
a cada poliedro e linear.
Exerccio 12 Mostre que toda a aplicacao seccionalmente linear e contnua.
Denote-se por F(A, b) o conjunto {c R
n
: inf
xX(A,b)
cx R}.
62
Exerccio 13 Mostre que o conjunto F(A, b) e convexo.
Proposicao 14 No caso de F(A, b) = , a aplicacao
c . inf
xX(A,b)
cx : F(A, b) R
e seccionalmente linear.
Prova: Denote-se por f a aplicacao em causa. Para cada c F(A, b), a
aplicacao x. cx e limitada inferiormente em X(A, b) e, portanto, invocando a
Proposicao 23 do Captulo 2, conclui-se:
f(c) = inf
x

X(A,b)
f
x
(c),
em que cada f
x
e a aplicacao linear c . cx. Logo,

X(A, b) = , pois, por
hipotese, existe c F(A, b).
A tese decorre do facto de o conjunto

X(A, b) ser nito e, neste caso, nao
vazio. Considere-se a seguinte decomposicao de F(A, b):
{P
x
}
x

X(A,b)
em que cada
P
x
= {c R
n
: f(c) = f
x
(c)} = {c F(A, b) : f(c) = f
x
(c)}.
Entao, em cada P
x
, a aplicacao f e linear pois coincide com f
x
. Por outro
lado, facilmente se verica que
P
x
=
z(

X(A,b)\{x})
Q
xz
em que cada
Q
xz
= {c R
n
: f
x
(c) f
z
(c)}.
Com efeito, tem-se:
(): Seja c P
x
. Entao,
f
x
(c) = f(c) = inf
v

X(A,b)
f
v
(c),
donde se conclui que f
x
(c) f
v
(c) para todo o v

X(A, b). Logo, por maioria
de razao, f
x
(c) f
z
(c) para todo o z (

X(A, b) \ {x}), ou seja, c Q
xz
para
todo o z (

X(A, b) \ {x}).
(): Reciprocamente, seja c Q
xz
para todo o z (

X(A, b) \ {x}). Entao,
f
x
(c) f
z
(c) para todo o z (

X(A, b) \ {x}). Logo, f
x
(c) f
v
(c) para todo o
v

X(A, b). Portanto, como x

X(A, b), infere-se
f
x
(c) = inf
v

X(A,b)
f
v
(c),
63
donde f
x
(c) = f(c) e, consequentemente, c P
x
.
Observe-se que cada Q
xz
e um semi-espaco delimitado pelo hiperplano
H
xz
= {c R
n
: f
x
(c) = f
z
(c)} = {c R
n
: c(x z) = 0}.
Assim, cada P
x
e interseccao de um conjunto nito de semi-espacos fechados
e, portanto, um poliedro convexo. QED
Exerccio 15 Mostre que o problema
_
_
_
max
y
b
T
y
A
T
y c
T
.
(6.2)
(dual do problema 6.1) pode ser enunciado na forma canonica, recorrendo à
variavel z R
2m
e à mudanca de variavel especicada por y
i
= z
2i
z
i
para i =
1, . . . , m, como se segue:
_
_
max
z
bz
Az c
T
,
z 0
(6.3)
em que:

A e a matriz n 2m que que resulta de concatenar horizontalmente A
T
com A
T
;

b e o vector linha de dimensao 2m que se obtem concatenando b
T
com
b
T
.
Mais concretamente, mostre que se tem:
sup
yY (A,c)
b
T
y = sup
zZ(A,c)
b z se Y (A, c) = ,
em que Z(A, c) denota o conjunto admissvel do problema 6.3.
Exerccio 16 Mostre que o problema 6.3 pode ser enunciado na forma padrao
restrita, recorrendo à variavel v R
n+2m
, como se segue:
_
_
min
v
bv
Av = c
T
v 0,
(6.4)
em que:

A e a matriz n (2m + n) que resulta da concatenacao horizontal de

A
com a matriz identidade n n;

b e o vector linha de dimensao 2m+n que se obtem concatenando

b com
o vector nulo de R
n
.
64
Mais concretamente, mostre que se tem:
sup
zZ(A,c)
b z = inf
vV (A,c)
b v se Z(A, c) = ,
em que V (A, c) denota o conjunto admissvel do problema 6.4.
Denote-se por G(A, c) o conjunto {b R
m
: inf
xX(A,b)
cx R}.
Exerccio 17 Mostre que o conjunto G(A, c) e convexo.
Proposicao 18 No caso de G(A, c) = , a aplicacao
b . inf
xX(A,b)
cx : G(A, c) R
e seccionalmente linear.
Prova: Observe-se que, por dualidade, se tem
inf
xX(A,b)
cx = sup
yY (A,c)
b
T
y
sempre que X(A, b) = ou Y (A, c) = , o que se verica para cada b G(A, c)
caso em que X(A, b) = . Logo,
sup
yY (A,c)
b
T
y R
para cada b G(A, c).
Assim, atendendo aos Exerccios 15 e 16,
sup
yY (A,c)
b
T
y = inf
vV (A,c)
bv
se Y (A, c) = e Z(A, c) = , o que se verica para cada b G(A, c). Com efeito,
neste caso Y (A, c) = , pois sup
yY (A,c)
b
T
y R. Mais ainda, Z(A, c) = , pois
caso contrario, ter-se-ia
= sup
zZ(A,c)
b z = sup
yY (A,c)
b
T
y,
em contradicao com sup
yY (A,c)
b
T
y R.
Seja g : G(A, c) R a aplicacao em causa. Entao,
g = b. inf
vV (A,c)
bv = b . h(
b),
em que:
h(e) = inf
vV (A,c)
ev para cada e

G(A, c) = {
b : b G(A, c)} R
2m+n
;

b = b . (b
1
, . . . , b
m
, b
1
, . . . , b
m
,
n
..
0, . . . , 0).
65
Observe-se que a aplicacao b

b e linear.
Para cada e

G(A, c), a aplicacao v . ev e limitada inferiormente em
V (A, c) e, portanto, invocando a Proposicao 23 do Captulo 2, conclui-se:
h(e) = inf
v
V (A,c)
h
v
(e),
em que cada h
v
e a aplicacao linear e . ev. Logo,

V (A, c) = , pois, por
hipotese, existe b G(A, c) e, portanto, existe e

G(A, c).
A linearidade seccional de h decorre do facto de o conjunto

V (A, c) ser nito
e, neste caso, nao vazio. Com efeito, considere-se a seguinte decomposicao de
G(A, c):
{P
v
}
v
V (A,c)
em que cada
P
v
= {e R
2m+n
: h(e) = h
v
(e)} = {e

G(A, c) : h(e) = h
v
(e)}.
Entao, em cada P
v
, a aplicacao h e linear pois coincide com h
v
. Por outro lado,
facilmente se verica que
P
v
=
w(
V (A,c)\{v})
Q
vw
em que cada
Q
vw
= {e R
2m+n
: h
v
(e) h
w
(e)}.
Observe-se que cada Q
vw
e um semi-espaco delimitado pelo hiperplano
H
vw
= {e R
2m+n
: h
v
(e) = h
w
(e)} = {e R
2m+n
: e(v w) = 0}.
Assim, cada P
v
e interseccao de um conjunto nito de semi-espacos fechados
e, portanto, um poliedro convexo. Assim, a aplicacao h :

G(A, c) R e
seccionalmente linear.
Resta vericar que a aplicacao g, composicao de b

b com h, tambem e
seccionalmente linear.
Observe-se que, para cada v

V (A, c) e w (
V (A, c) \ {v}), o conjunto

{b R
m
:

b Q
vw
} = {b R
m
: b((v w)
1...m
(v w)
m+1...2m
) 0}
e um semi-espaco fechado ou coincide com R
m
.
Logo, para cada v

V (A, c), o conjunto
{b R
m
:

b P
v
} =
w(
V (A,c)\{v})
{b R
m
:

b Q
vw
}
e um poliedro convexo em que g e linear.
Finalmente, a tese decorre do facto de se ter
G(A, c) =
_
v
V (A,c)
{b R
m
:

b P
v
}.
QED
66
Relativamente ao problema 6.1, viu-se que o custo varia de modo seccio-
nalmente linear e, portanto, de modo contnuo quando os parametros b e c sao
alterados. Mas, alteracoes na matriz A podem conduzir a descontinuidades no
custo, o que e ilustrado no exerccio seguinte.
Exerccio 19 Considere o problema 6.1, em que:
A =
_
(1 + )
1
(1 )
1 1
_
;
b =
_
1
1
_
;
c =
_
1 0

.
Verique que o problema e degenerado. Analise a variacao do custo em funcao
de na vizinhanca de 0.
Mesmo em pontos onde ha continuidade, alteracoes na matriz A conduzem
a alteracoes nao lineares do custo. No entanto, no caso de unicidade da solucao,
vale a pena estabelecer a aproximacao linear da variacao da solucao e do custo
quando os parametros sofrem alteracoes sucientemente pequenas.
Proposicao 20 Suponha-se que o problema 6.1 e nao degenerado e que existem
s S(A, b, c) e r R(A, c, b) tais que:
s e basico;
r
T
a
j
< c
j
para cada j (N \ P
s
).
Considere-se o problema perturbado
_
_
min
x
(c +c
)x
(A+A
)x = (b +b
)
x 0,
(6.5)
com A
, b
e c
sucientemente pequenas. Sejam s
R
n
e r
R
m
tais
que:
P
s
= P
s
;
s
P
s
= (A
P
s
)
1
(b
P
s
s
P
s
);
r
T
= (c
P
s
T
r
T
A
P
s
)(A
P
s
)
1
.
Entao:
s +s
e aproximacao linear da unica solucao do problema 6.5;

r +r
e aproximacao linear da unica solucao do dual do problema 6.5;

cs +c
s +c
P
s
(A
P
s
)
1
(b
P
s
s
P
s
) e aproximacao linear do custo do pro-
blema 6.5 e do seu dual.
67
Prova: Observe-se que, por hipotese, o problema original e o seu dual estao
nas condicoes do Teorema da unicidade (Proposicao 26 do Captulo 4). Para
variacoes sucientemente pequenas dos parametros, o problema perturbado e
o seu dual continuam nessas condicoes para algum s e r. Mais ainda, para
variacoes sucientemente pequenas, a unica solucao s do problema 6.5 continua
a ser basica e com a mesma base de s. Logo, invocando o Lema da nao dege-
nerescencia, P
s
= P
s
.
(i) s +s
e aproximacao linear de s:
Com efeito, para s
sucientemente pequena, s +s
0 e tem-se:
(A+A
)(s +s
) = As +A
s +As
+A
As +A
s +As
= b +A
s +A
P
s
s
P
s
+A
(N\P
s
)
s
(N\P
s
)
= b +A
s +A
P
s
s
P
s
= b +A
s +A
P
s
(A
P
s
)
1
(b
P
s
s
P
s
)
= b +A
s +b
P
s
s
P
s
= b +A
P
s
s
P
s
+A
(N\P
s
)
s
(N\P
s
)
+b
P
s
s
P
s
= b +A
P
s
s
P
s
+b
P
s
s
P
s
= b +b
.
(ii) r +r
e aproximacao linear de r:
Aplicando o Teorema do equilbrio (Proposicao 23 do Captulo 4) ao problema
perturbado e ao seu dual, tem-se:
(A
P
s
+A
P
s
)
T
r = c
P
s
+c
P
s
,
ou seja,
r
T
(A
P
s
+A
P
s
) = c
T
P
s
+c
P
s
T
,
donde
r
T
= (c
T
P
s
+c
P
s
T
)(A
P
s
+A
P
s
)
1
,
pois a matriz (A
P
s
+A
P
s
) e nao singular.
Com efeito, aplicando o Teorema do equilbrio ao problema original e seu
dual, infere-se:
(r +r
)
T
(A
P
s
+A
P
s
) = r
T
A
P
s
+r
T
A
P
s
+r
T
A
P
s
+r
T
A
P
s
r
T
A
P
s
+r
T
A
P
s
+r
T
A
P
s
= c
T
P
s
+r
T
A
P
s
+r
T
A
P
s
= c
T
P
s
+r
T
A
P
s
+ (c
P
s
r
T
A
P
s
)(A
P
s
)
1
A
P
s
= c
T
P
s
+r
T
A
P
s
+c
P
s
T
r
T
A
P
s
= c
T
P
s
+c
P
s
T
,
donde
(r +r
)
T
(c
T
P
s
+c
P
s
T
)(A
P
s
+A
P
s
)
1
= r
T
.
68
(iii) cs +c
s +c
P
s
(A
P
s
)
1
(b
P
s
s
P
s
) e aproximacao linear de (c +c
) s:
Com efeito,
(c +c
) s (c +c
)(s +s
)
= cs +cs
+c
s +c
cs +cs
+c
s
= cs +c
s +c
P
s
s
P
s
+c
(N\P
s
)
s
(N\P
s
)
= cs +c
s +c
P
s
s
P
s
= cs +c
s +c
P
s
(A
P
s
)
1
(b
P
s
s
P
s
).
QED
Exerccio 21 Considere o problema
_
_
min
x
cx
(A
+ A
)x = b
x 0.
Assumindo condicoes adequadas, investigue a variacao do custo em funcao de
perto de = 0.
Parte II
Algoritmia
69
Captulo 7
Complexidade computacional
Analisa-se no seguimento o algoritmo basico mencionado no Captulo 2, o qual
permite resolver de forma pouco eciente o problema de optimizacao linear na
forma padrao
_
_
min
x
cx
Ax = b
x 0,
(7.1)
onde c R
n
, b R
m
e A e matriz propria mn tais que:
m < n e carA = m (formulacao restrita);
o conjunto admissvel X e nao vazio e o funcional x. cx e limitado infe-
riormente em X (existencia de solucao);
o vector b nao pode ser escrito como combinacao linear de menos do que
m colunas de A (nao degenerescencia).
Recorde-se que, nestas condicoes, existe vector admissvel basico que e
solucao (Proposicao 24 do Captulo 2). Portanto, recorrendo à Proposicao 25
do Captulo 4, existe solucao s tal que existe B N tal que:
#B = m;
s
j
= 0 se e so se j B.
Assim, para encontrar uma solucao, basta seguir o procedimento seguinte com
vista a colocar uma solucao na celula de memoria s e o seu custo na celula cs:
1. s := 0;
2. cs := +;
3. para cada B N com m elementos:
(a) resolver o sistema de equacoes A
B
z = b;
(b) se existe solucao do sistema ( unica) z e z > 0, entao:
71
72
x := vector de R
n
tal que
x
j
=
_
z
j
se j B
0 caso contrario;
se c x < c s, entao:
cs := c x;
s := x.
Facilmente se verica que este procedimento e um algoritmo, no seguimento
dito algoritmo basico e denotado por b, pois a sua execucao termina sempre,
qualquer que sejam os dados. Com efeito, o corpo do ciclo 3 e executado
_
n
m
_
=
n!
m!(n m)!
vezes e existe algoritmo para concretizar a etapa (a) desse corpo (nomeada-
mente, o algoritmo da eliminacao de Gauss, o qual requer aproximadamente
m
3
operacoes de calculo).
O algoritmo b esta correcto pois encontra uma solucao basica que, como
se viu, existe nas condicoes assumidas, mas e muito pouco eciente devido ao
elevado n umero de vezes que e executado o corpo do ciclo 3. O algoritmo do
simplexo, apresentado no captulo seguinte, e uma sua variante mais eciente
em media, com a vantagem adicional de nao exigir a hipotese de existencia.
Para precisar a analise da eciencia destes algoritmos, e indispensavel intro-
duzir alguns conceitos e resultados da teoria da complexidade computacional.
A eciencia de um algoritmo mede que recursos computacionais sao utiliza-
dos na sua execucao em funcao do tamanho dos dados. Por recursos entenda-se
o tempo de execucao e o espaco de memoria. Neste texto, foca-se a analise no
tempo de execucao.
Mais precisamente, seja a um algoritmo cujo espaco de dados e o conjunto
D
a
. Para cada d D
a
, por tamanho de d entende-se o n umero de bits |d|
a
utilizados para representar d na memoria do computador. Seja
a
: D
a
R
+
0
a aplicacao que para cada d D
a
retorna o tempo de execucao de a sobre d.
Entao, a aplicacao
a
= . sup{
a
(d) : d D
a
, |d|
a
} : N R
+
0
permite calcular o pior tempo de execucao do algoritmo a entre os dados de
tamanho inferior ou igual ao argumento.
Dada aplicacao g : N R
+
0
, seja
O(g) = {f : N R
+
0
: limsup
f()
g()
< }
a classe das aplicacoes assintoticamente majoradas por g.
73
Exerccio 1 Seja f : N R
+
0
. Mostre que f O(g) se e so se existem R
+
0
e
0
N tais que f() g() para todo o >
0
.
Exerccio 2 Mostre as assercoes seguintes:
1. O( . g()) = O(g), para cada R
+
.
2. O( . g() +h()) = O( . max{g(), h()}).
3. O(g) O(h) = O( . max{g(), h()}).
O algoritmo a diz-se polinomial ou algebrico ou eciente (no tempo), o que
se escreve
a
P, ou mesmo a P, se existe k N tal que
a
O( .
k
).
Sejam D e E conjuntos. Denida uma aplicacao h : D E, poe-se o
problema de computacao de h(d) para cada d D que seja dado. O problema
diz-se problema de decisao se E = 2 = {0, 1}. O problema diz-se polinomial ou
em P se existe algoritmo eciente a que o resolva, isto e, tal que:
D
a
= D;
para cada d D, a execucao de a sobre d retorna h(d).
Demonstra-se adiante que o algoritmo basico b nao e eciente, o que, sublinhe-
se, nao permite concluir que o problema de optimizacao linear na forma 7.1 nao e
polinomial. Com efeito, existem outros algoritmos para resolver o problema 7.1
e, como se vera, entre eles alguns sao polinomiais.
Para vericar que b nao e eciente, observe-se primeiro que
D
b
{(A, b, c) : m, n N
+
A R
mn
, b R
m
, c R
n
},
Dado d D
b
, sempre que for conveniente explicitar a dependencia de d,
denota-se por m
d
o n umero de linhas da matriz de restricoes, por n
d
o n umero
das suas colunas, por A
d
a matriz de restricoes, por b
d
o vector dos requisitos,
por c
d
o factor do funcional objectivo e por p
d
a precisao com que os dados sao
fornecidos. Quando p
d
= 1, diz-se que os dados tem precisao simples. Quando
p
d
= 2, diz-se que os dados tem precisao dupla. Pode ser necessario receber
dados com valores mais elevados de precisao.
Recorde-se que, quando o computador trabalha em precisao simples, cada
n umero inteiro ocupa uma palavra na memoria do computador e cada n umero
real e representado em vrgula utuante, ocupando duas palavras na memoria
a mantissa ocupa uma palavra e o expoente outra. Em precisao dupla, cada
inteiro ocupa duas palavras e cada real quatro palavras e assim sucessivamente
para valores mais elevados da precisao.
Observe-se ainda, que, para cada precisao p, ca xado o valor maxoat(p)
do maior n umero real representavel e tambem o valor maxint(p) do maior
n umero natural representavel. Calculos que ultrapassem, em valor absoluto,
estes valores conduzem à interrupcao da execucao do algoritmo. Assume-se
74
aqui que se adapta dinamicamente a precisao de trabalho, de modo a viabilizar
todas as operacoes durante a execucao do algoritmo.
No seguimento, denota-se por w o comprimento (em bits) da palavra do
computador utilizado.
Proposicao 3 Para cada d D
b
,
|d|
b
= 2 wp
d
(m
d
n
d
+m
d
+n
d
).
Prova: A tese decorre do facto de ser necessario representar m
d
n
d
n umeros
reais para os coecientes de A
d
, m
d
n umeros reais para os coecientes de b
d
e
n
d
n umeros reais para os coecientes de c
d
. QED
Este resultado depende da forma como os dados sao representados e da
estrutura de memoria do computador utilizado. A dependencia da forma de
representacao dos dados nao e de admirar pois faz parte integrante da denicao
do proprio algoritmo. Por outro lado, o resultado seguinte mostra que a de-
pendencia da particular estrutura de memoria do computador (decomposicao
em palavras de w bits) nao e essencial para os ns em vista.
Proposicao 4 Sejam:
|d|
b
= p
d
m
d
n
d
, para cada d D
b
;

b
= . sup{d : d D
b
, |d|
b
}.
Entao,
b
P se e so se
b
P.
Prova: Usando o Exerccio 1 tem-se que
b
P se e so se:
() k, ,
0
>
0
_
sup
2wp
d
(m
d
n
d
+m
d
+n
d
)
b
(d)
_

k
.
De modo semelhante se demonstra que
b
P se e so se:
() k, ,
0
>
0
_
sup
p
d
m
d
n
d
b
(d)
_

k
.
Ha que demonstrar que as assercoes () e () sao equivalentes.
Note-se primeiro que se tem:
p
d
m
d
n
d
2 wp
d
(m
d
n
d
+m
d
+n
d
) 6 wp
d
m
d
n
d
,
quaisquer que sejam w, m
d
, n
d
, p
d
N
+
.
() ():
Observe-se que se tem:
{d D
b
: p
d
m
d
n
d
} {d D
b
: 2wp
d
(m
d
n
d
+m
d
+n
d
) }.
75
Portanto,
(*)
_
sup
p
d
m
d
n
d
b
(d)
_
_
sup
2wp
d
(m
d
n
d
+m
d
+n
d
)
b
(d)
_
.
De () conclui-se que existem k, ,
0
tais que
>
0
_
sup
p
d
m
d
n
d
b
(d)
_

k
.
Logo, usando (*), infere-se que, para k, ,
0
nessas condicoes, tambem se tem:
>
0
_
sup
2wp
d
(m
d
n
d
+m
d
+n
d
)
b
(d)
_

k
,
como se pretendia.
() ():
Observe-se que se tem:
{d D
b
: 2wp
d
(m
d
n
d
+m
d
+n
d
) } {d D
b
: 6wp
d
m
d
n
d
}.
Portanto,
(**)
_
sup
2wp
d
(m
d
n
d
+m
d
+n
d
)
b
(d)
_
_
sup
6wp
d
m
d
n
d
b
(d)
_
.
De () conclui-se que existem k, ,
0
tais que
>
0
_
sup
2wp
d
(m
d
n
d
+m
d
+n
d
)
b
(d)
_

k
.
Logo, usando (**), infere-se que para k, ,
0
nessas condicoes tambem se tem:
>
0
_
sup
6wp
d
m
d
n
d
b
(d)
_

k
.
Ou seja, para k, ,
0
nessas condicoes, tem-se:
>
0
_
sup
p
d
m
d
n
d

6w
b
(d)
_

k
.
Portanto, para esses k, ,
0
, tem-se ainda:
(i) >
0
_
sup
p
d
m
d
n
d

6w
b
(d)
_

k
.
Assim, escolhendo k
= k,
= (6w)
k
e
0
=
0
6w
, garante-se:
(ii)
>
0
_
sup
p
d
m
d
n
d
b
(d)
_

k
,
76
como se pretendia. Com efeito, de (i) conclui-se (ii) como se segue. Seja
>
0
.
Considere-se = 6w
. Entao, >
0
, pois
>
0
6w
, donde
>

0
6w

0
6w
.
Portanto, = 6w
>
0
. Assim, usando (i) com = 6w
, obtem-se:
_
sup
p
d
m
d
n
d
b
(d)
_
(6w
)
k
,
donde,
_
sup
p
d
m
d
n
d
b
(d)
_
((6w)
k
)
k
,
ou seja,
_
sup
p
d
m
d
n
d
b
(d)
_

k
.
QED
No seguimento, com base na Proposicao 4, usa-se
|d|
b
= p
d
m
d
n
d
,
pois a adopcao desta medida abstracta do tamanho dos dados do algoritmo b
nao afecta a sua classicacao dentro ou fora da classe polinomial.
Dado um algoritmo a, em geral nao e possvel determinar precisamente a
aplicacao
a
: D
a
R
+
0
. Mas, para estabelecer que a aplicacao
a
: N R
+
0
esta numa classe O(g), basta encontrar uma aplicacao h majorante de
a
e
mostrar que h O(g). De modo semelhante, para estabelecer que
a
nao
esta em O(g) basta encontrar uma aplicacao h minorante de
a
e mostrar que
h O(g). Estas ideias sao concretizadas no exerccio seguinte, onde, dada
aplicacao h : D
a
R
+
0
se denota por [
a
]
a
h
a aplicacao
. sup{h(d) : d D
a
, |d|
a
}.
Exerccio 5 Sejam:
a um algoritmo;
g : N R
+
0
uma aplicacao;
h : D
a
R
+
0
aplicacao tal que
0
>
0
d {d D
a
: |d| }
a
(d) h(d);
h : D
a
R
+
0
aplicacao tal que
0
>
0
d {d D
a
: |d| } h(d)
a
(d).
Entao:
77
1. Se [
a
]
a
h
O(g), entao
a
O(g).
2. Se [
a
]
a
h
P, entao
a
P.
3. Se [
a
]
a
h
O(g), entao
a
O(g).
4. Se [
a
]
a
h
P, entao
a
P.
Para majorar ou minorar
a
e necessario saber o custo em tempo das di-
ferentes operacoes. Assume-se aqui que tp estima o tempo (em segundos) de
execucao de cada operacao primitiva (real ou inteira) realizada com precisao
p. Por operacao primitiva entende-se a adicao, a subtraccao, a multiplicacao,
a divisao, a comparacao e a atribuicao. A constante t sera tanto mais pequena
quanto mais rapido for o computador. Ver-se-a no seguimento que os resultados
em vista nao dependem do particular valor de t.
Exerccio 6 Sejam:
k N;
x, y R
n
;
u celula de memoria com valores em R;
v celula de memoria com valores em R
n
.
Denote-se por
o
o tempo de execucao da computacao o (calculo de expressao
ou atribuicao ou composicao de operacoes).
(a) Assuma que se trabalha com precisao xa p (incorrendo, portanto, no risco
de overow). Verique que se tem:
1.
x
1
y
1
= tp.
2.
kk
= tp.
3.
kx
1
= tp.
4.
xy
= 2tp(n 1/2).
5.
x+y
= tpn.
6.
x
1
y
1
= tp.
7.
x
k
1
= tp(k 1).
8.
u:=0
= tp.
9.
u:=x
1
= tp.
10.
u:=x
1
y
1
= 2tp.
11.
v:=0
= tpn.
12.
v:=x
= tpn.
78
13.
v:=x+y
= 2tpn.
14.
v:=x+y; v:=vv
= 5tp(n 1/5).
15. 2tp
se x
1
>0 entao v:=y senao x
1
:=0
tp(n + 1).
(b) Assuma que se trabalha com precisao dinamica partindo dos dados k, x, y
com precisao p. Verique que se tem:
1.
u:=x
1
y
1
= 3tp.
2.
x
k
1
= tp
k1
=1
= tp
k(k 1)
2
.
Proposicao 7 Para cada d D
b
,
tp
d
_
n
d
!
m
d
!(n
d
m
d
)!
_

b
(d).
Prova: Deixa-se como exerccio. Sugestao: verique que o n umero de operacoes
de cada iteracao do ciclo 3 e superior ou igual a 1. QED
Para a analise assintotica do tempo de execucao do algoritmo b, e necessario
recorrer à formula de Stirling:
N
+
! =
2
_
e
_
em que
1
12 + 1
<
<
1
12
.
Proposicao 8 O algoritmo b nao e eciente.
Prova: Observe-se que, gracas à Proposicao 7 e à formula de Stirling,
h = d . tp
d
_

2n
d
_
n
d
e
_
n
d
2m
d
_
m
d
e
_
m
d
_
2(n
d
m
d
)
_
n
d
m
d
e
_
n
d
m
d
e
2
_
.
e minorante de
b
.
Assim, recorrendo ao Exerccio 5, ha que provar que, qualquer que seja
k N, se tem:
[
b
]
b
h
O( .
k
).
Ou seja, e preciso demonstrar que nao existe k N tal que existam R
+
0
e
0
N tais que
() >
0
sup{h(d) : d D
b
, |d|
b
}
k
,
o que e feito por contradicao.
Sejam k N, R
+
0
e
0
N tais que () se verica. Considere-se uma
sucessao
. d
tal que para cada N se tenha:

79
p
d
= 1;
n
d
= 2m
d
;
m
d
=
_
2
, o que garante |d
|
b
;
A
d
, b
d
, c
d
escolhidos de modo a que d
D
b
.
Note-se que tal sucessao existe e que, para cada N, se tem:
h(d
) = t
_
_
_
_
2(2m
d
)
_
2m
d
e
_
2m
d
2m
d
_
m
d
e
_
m
d

2m
d
_
m
d
e
_
m
d
e
2
_
_
_
=
t
e
2
(2m
d
)
2m
d
m
d
m
d
m
d
m
d
m
d
=
t
e
2
2
2m
d
m
d
=
t
e
2
2
2
_
2
_1
4
sup{h(d) : d D
b
, |d|
b
}.
Entao, de () conclui-se:
N
t
e
2
2
2
_
2
_1
4

k
,
o que e falso. QED
Associado ao problema de computacao 7.1, e possvel denir o problema de
decisao seguinte:
Dados A, b, c nas condicoes 7.1 e x R
n
,
vericar se x S.
(7.2)
Exerccio 9 Mostre que e possvel construir um algoritmo para resolver o pro-
blema de decisao 7.2 a partir de um algoritmo que resolva o problema de com-
putacao 7.1.
Um problema de decisao h : D 2 diz-se em NP ou nao deterministica-
mente polinomial se existem conjunto T e algoritmo a polinomial tais que:
D
a
= D T ;
no caso de h(d) = 1, existe t T tal que a execucao de a sobre (d, t)
retorna 1;
no caso de h(d) = 0, qualquer que seja t T , a execucao de a sobre (d, t)
retorna 0.
80
Nestas condicoes, os elementos de T dizem-se testemunhas ou certicados. Cla-
ramente, todo o problema em P esta em NP. Se o recproco e valido e um
problema ainda em aberto
1
, embora a maioria dos matematicos acredite na
conjectura P = NP.
A demonstracao de que o problema de decisao 7.2 esta em P e complicada.
Mas, a demonstracao de que esta em NP e facil, recorrendo ao Teorema forte
da dualidade, como se mostra no seguimento.
Proposicao 10 O problema de decisao 7.2 esta em NP.
Prova: Observe-se que
D
7.2
{(A, b, c, x) : m, n N
+
A R
mn
, b R
m
, c, x R
n
}.
Considere-se
T = R
m
e o algoritmo d seguinte com dados em D
7.2
T e que coloca a resposta Booleana
na celula de memoria b:
Se
_
_
x 0
Ax = b
A
T
t c
T
cx = b
T
t
entao b := 1
senao b := 0
Ha que vericar que d esta correcto, ou seja:
1. No caso de x S(A, b, c), existe t T tal que a execucao de d sobre
(A, b, c, x, t) retorna 1.
2. no caso de x S(A, b, c), qualquer que seja t T , a execucao de d sobre
(A, b, c, x, t) retorna 0.
Com efeito, por dualidade, sabe-se que, quaisquer que sejam
x X(A, b) = {u R
n
: u 0, Au = b}
e
t Y (A, c) = {v R
m
: A
T
v c
T
},
tem-se
cx = b
T
t se e so se x S(A, b, c) & t R(A, c, b).
Sabe-se ainda que S(A, b, c) = se e so se R(A, c, b) = .
Portanto, se x S(A, b, c), entao x 0, Ax = b e existe t T tal que
t R(A, c, b), donde A
T
t c
T
e cx = b
T
t. Nestas condicoes, o algoritmo
proposto devolve 1.
Por outro lado, se x S(A, b, c), entao ha dois casos a considerar:
1
Problema 4 dos Millenium Problems do Clay Mathematics Institute.
81
x X(A, b), caso em que falha o teste x 0 ou falha o teste Ax = b e,
consequentemente, o algoritmo devolve 0;
x X(A, b), caso em que ha a considerar duas situacoes:
t Y (A, c), situacao em que falha o teste A
T
t c
T
e o algoritmo
devolve 0;
t Y (A, c), situacao em que x e t estao nos respectivos conjuntos
admissveis, donde, como x nao e solucao, falha o teste cx = b
T
t e o
algoritmo devolve 0.
Finalmente, mostra-se que
d
P. Observe-se que, para cada d D
d
, a
precisao de trabalho e majorada por 2p
d
+ 1. Portanto,
guarda
t(2p
d
+ 1)(4m
d
n
d
+ 3n
d
+ 2m
d
1).
Com efeito,
x0
t(2p
d
+ 1)n
d
;
(Ax)
i
2t(2p
d
+ 1)(n
d
1/2);
(Ax)
i
=b
i
t(2p
d
+ 1)(2(n
d
1/2) + 1) = 2t(2p
d
+ 1)n
d
;
Ax=b
2t(2p
d
+ 1)m
d
n
d
;
A
T
yc
T 2t(2p
d
+ 1)m
d
n
d
;
cx
2t(2p
d
+ 1)(n
d
1/2);
b
T
y
2t(2p
d
+ 1)(m
d
1/2);
cx=b
T
y
2t(2p
d
+ 1)(n
d
1/2) + 2t(2p
d
+ 1)(m
d
1/2) + t(2p
d
+ 1)
= 2t(2p
d
+ 1)(n
d
+m
d
1/2).
Assim, qualquer que seja d D
d
, o tempo de execucao total e majorado por
t(2p
d
+ 1)(4m
d
n
d
+ 3n
d
+ 2m
d
1) + t(2p
d
+ 1) =
t(2p
d
+ 1)(4m
d
n
d
+ 3n
d
+ 2m
d
).
Logo, para cada d D
d
,
d
(d) 12t(2p
d
+ 1)m
d
n
d
.
Portanto, recorrendo ao Exerccio 5, para mostrar que
d
P, basta vericar
que
. sup{12t(2p
d
+ 1)m
d
n
d
: d D
d
, |d|
d
} P.
Atendendo a que
|d|
d
= p
d
m
d
n
d
(o que se deixa como exerccio estabelecer), ha que vericar que
. sup{12t(2p
d
+ 1)m
d
n
d
: d D
d
, p
d
m
d
n
d
} P.
Com efeito, a aplicacao em causa e linear, isto e:
. sup{12t(2p
d
+ 1)m
d
n
d
: d D
d
, p
d
m
d
n
d
} O( . ),
o que se obtem facilmente recorrendo ao Exerccio 1, escolhendo = 36t e
0
= 0. QED
82
Captulo 8
Algoritmo do simplexo
Apresenta-se de seguida o algoritmo do simplexo que permite resolver o pro-
blema de optimizacao linear na forma padrao restrita mediante duas hipoteses
especicadas adiante.
Considere-se o problema na forma padrao restrita com vector dos requisitos
nao negativo
1
_
_
min
x
cx
Ax = b
x 0,
(8.1)
onde c R
n
, b R
m
e A e matriz propria mn com m < n, carA = m e b 0,
bem como o seu dual
_
_
_
max
y
b
T
y
A
T
y c
T
.
(8.2)
O resultado seguinte e a variante da Proposicao 1 do Captulo 2 para o
problema na forma padrao aqui em causa.
Proposicao 1 Considere-se o problema
_
_
min
w
uw
Aw = b
w 0,
(8.3)
em que u e o vector linha
(
n vezes
..
0, . . . , 0,
m vezes
..
1, . . . , 1)
e A e a matriz m (n + m) que se obtem de A justapondo à direita a matriz
identidade mm. Entao:
(1) O problema 8.3 esta enunciado na forma padrao restrita.
1
Deixa-se com exerccio vericar que nao se perde generalidade por se impor b 0 em
problemas na forma padrao.
83
84
(2) O conjunto admissvel do problema 8.3 contem o vector basico
b = (
n vezes
..
0, . . . , 0, b
1
, . . . , b
m
).
(3) Qualquer que seja x R
n
, x pertence ao conjunto admissvel do pro-
blema 8.1 se e so se
x = (x
1
, . . . , x
n
,
m vezes
..
0, . . . , 0)
e solucao do problema 8.3.
(4) O conjunto admissvel do problema 8.1 e nao vazio se e so se existe x R
n
tal que x e solucao do problema 8.3.
(5) Se o conjunto admissvel do problema 8.1 e nao vazio, entao
(s
n+1
, . . . , s
n+m
) = 0
para toda a solucao s do problema 8.3.
Prova:
(1) O problema 8.3 esta enunciado na forma padrao restrita:
(a) m < (n +m), trivialmente.
(b) carA = m, pois as mlinhas da A sao linearmente independentes. Com efeito,
se v =
1
a
1
+ +
m
a
m
e o vector nulo de R
n+m
, entao, em particular, v
j
= 0
para cada j = 1, . . . , n. Logo, (v
1
, . . . , v
n
) =
1
a
1
+ +
m
a
m
e o vector nulo
de R
n
. Portanto, como por hipotese se tem carA = m, conclui-se que
i
= 0
para todo o i = 1, . . . , m.
(2) b X
8.3
, pois Ab = A0 + Ib = b e b 0 por se ter b 0. Mais ainda, b e
basico, gracas à Proposicao 20 do Captulo 2.
(3) x X
8.1
se e so se x S
8.3
:
() Seja x X
8.1
. Entao x X
8.3
, pois x 0 (por x 0) e Ax = Ax +I0 =
Ax = b. Mais, x S
8.3
, pois ux = 0 e w 0, donde uw 0, para todo o
w X
8.3
.
() Suponha-se que x S
8.3
. Entao, x X
8.3
, ou seja, b = Ax = Ax+I0 = Ax
e x 0, donde Ax = b e x 0, ou seja, x X
8.1
.
(4) Corolario imediato de (3).
(5) Para contraposicao, seja s S
8.3
tal que (s
n+1
, . . . , s
n+m
) = 0. Como s 0,
us > 0. Logo, nao existe x R
n
tal que x S
8.3
, pois, caso contrario, s nao
seria solucao, pois teria custo superior ao de x, o qual e zero. Assim, usando
(3), tem-se X
8.1
= . QED
Assim, e possvel reduzir o problema de existencia de vectores admissveis
de 8.1 a outro problema de optimizacao linear (o problema 8.3) com conjunto
admissvel nao vazio.
85
A versao do algoritmo do simplexo desenvolvida no seguimento permite
resolver o problema de optimizacao linear na forma 8.1, desde que se veriquem
as seguintes hipoteses de nao degenerescencia:
O vector b nao pode ser escrito como combinacao linear
de menos do que m colunas de A
(nao degenerescencia do problema 8.1);
(8.4)
O vector b nao pode ser escrito como combinacao linear
de menos do que m colunas de A
(nao degenerescencia do problema 8.3).
Sublinhe-se que existem variantes mais complicadas do algoritmo do simplexo
aplicaveis mesmo quando estas hipoteses nao se vericam, mas vale a pena
comecar por as assumir.
O algoritmo do simplexo, numa primeira fase, comeca por determina se
o problema tem vector admissvel e, em caso armativo, encontra um vector
admissvel basico. Se a primeira fase for bem sucedida, inicia-se a segunda fase,
em que comecando com o vector admissvel basico resultante da fase inicial,
encontra sucessivos vectores basicos com cada vez menor custo ate atingir uma
solucao ou determinar que nao existe solucao (por o custo nao ser limitado
inferiormente no conjunto admissvel). Sublinhe-se que se trata de um algoritmo
porque se obtem a resposta num n umero nito de passos sejam quais forem os
dados. Mesmo que o problema nao tenha solucao, tal e determinado num
n umero nito de passos.
O procedimento do simplexo utiliza um procedimento auxiliar r, o qual, da-
dos A
, b
, c
, x
em que x
e vector admissvel basico do problema de optimizacao

linear na forma padrao restrita, nao degenerado e com parametros A
, b
, c
em
que b
0, termina num n umero nito de passos com:

b = 0 e custo nao limitado inferiormente na semi-recta {x t : > 0}
contida em X
, se S
= ;
b = 1 e s S
, caso contrario.
O procedimento auxiliar r e o seguinte:
1. x := x
;
2. P := {j N : x
j
> 0};
3. y := solucao do sistema (A
P
)
T
y = (c
P
)
T
;
4. se A
T
y c
T
, entao:
(b, s) := (1, x)
senao:
(a) k := algum k tal que (A
T
y)
k
> (c
T
)
k
;
86
(b) t := t tal que t
P
= (A
P
)
1
a
k
, t
k
= 1 e t
(N\(P{k}))
= 0;
(c) se t 0, entao:
b := 0
senao:
i. o := min{
x
j
t
j
: t
j
> 0};
ii. j := algum j tal que o =
x
j
t
j
;
iii. x := x ot;
iv. voltar a 2.
O resultado seguinte estabelece que r se comporta de acordo com a especi-
cacao. A sua demonstracao da algumas indicacoes sobre como foi concebido.
Proposicao 2 O procedimento r e um algoritmo e calcula a resposta preten-
dida perante dados nas condicoes indicadas.
Prova: Observe-se que o procedimento consiste, apos a atribuicao 1 de inicia-
lizacao, num ciclo cujo corpo se inicia com a atribuicao 2. Em cada iteracao,
a execucao termina quando a guarda de 4 e verdadeira ou quando a guarda de
4(c) e verdadeira.
(I) Propriedades de cada iteracao:
Denote-se por x o valor inicial da variavel x numa particular iteracao, valor esse
que so se vira a alterar em resultado da atribuicao 4(c)iii, se esta for efectuada.
Suponha-se que x e basico. Vai-se demonstrar, entre outros factos, que no nal
da iteracao o valor de x ainda e basico
2
.
A atribuicao 2 memoriza em P o conjunto P
x
, o qual tem m elementos, gracas
ao Lema da nao degenerescencia, uma vez que o problema dado e nao dege-
nerado e x e basico. Apos esta atribuicao, sabe-se que as colunas de A
P
sao
linearmente independentes, recorrendo à Proposicao 20 do Captulo 2. Assim,
o sistema
(A
P
)
T
y = (c
P
)
T
tem solucao ( unica), o que viabiliza a atribuicao 3.
Seja w
= x t para cada real . Entao, para cada j N, tem-se:

w
j
=
_
_
se j = k
x
j
t
j
se j P
0 caso contrario.
(Ia) Se a guarda de 4 e verdadeira, entao x S
:
Sendo A
T
y c
T
, conclui-se y Y
. Mais, apos a atribuicao 3 tem-se

A
P
T
y = c
P
T
.
Portanto,
x
T
P
A
P
T
y = x
T
P
c
P
T
,
2
Por outras palavras, x e basico e condicao invariante do ciclo.
87
ou seja,
(A
P
x
P
)
T
y = x
T
P
c
P
T
,
donde
(A
x)
T
y = x
T
c
T
,
ou seja,
b
T
y = c
x.
Atendendo ainda a que x X
, recorrendo ao Criterio de optimalidade, conclui-

se que x S
.
(Ib) Apos a atribuicao 4(b), c
< c
x para todo o > 0 e o custo nao e

limitado inferiormente na semi-recta {x t : > 0}:
Observe-se primeiro que existe t R
n
nas condicoes pretendidas. Com efeito,
k P, pois caso contrario, usando o Teorema do equilbrio, ter-se-ia (A
T
y)
k
=
(c
T
)
k
em contradicao com a atribuicao 4(a). Mais ainda, t
P
e a unica solucao
do sistema A
P
t = a
k
, cuja existencia decorre da nao singularidade da matriz
A
P
. Por outras palavras, t
P
e o vector dos coecientes que permitem exprimir
a coluna k de A
como combinacao linear das colunas de A
P
. Assim,
c
= c
k
+c
P
x
P
c
P
t
= c
P
x
P
+ (c
k
c
P
t)
= c
P
x
P
+ (c
k
y
T
A
P
t) ()
= c
P
x
P
+ (c
k
y
T
A
P
(A
P
)
1
a
k
) ()
= c
P
x
P
+ (c
k
y
T
a
k
)
< c
P
x
P
()
= c
x.
(): depois da execucao da atribuicao 3, tem-se (A
P
)
T
y = (c
P
)
T
.
(): depois da atribuicao 4(b), tem-se t = (A
P
)
1
a
k
.
(): depois da atribuicao 4(a), tem-se (A
T
y)
k
> (c
T
)
k
.
Mais ainda, atendendo a que (c
k
y
T
a
k
) < 0 e
c
= c
x
P
+ (c
k
y
T
a
k
),
o custo nao esta limitado inferiormente na semi-recta {x t : > 0}.
(Ic) Se a guarda de 4(c) e verdadeira, w
para todo o > 0:

Sendo t 0, w
= x t 0, pois x 0 por x X
. Mais ainda:
A
= A
P
(x
P
t) +A
{k}
+A
(N\({k}P))
0
= A
P
x
P
+ (A
{k}
A
P
t)
= A
P
x
P
+ (A
{k}
A
P
(A
P
)
1
a
k
) ()
= A
P
x
P
+ (A
{k}
a
k
)
= A
P
x
P
= b
.
88
(Id) Apos a atribuicao 4(c)iii, x e ainda basico e c
x < c
x:
Com efeito, c
x < c
x decorre de (Ib) e do facto de, apos a atribuicao 4(c)iii,

x = w
o
e o > 0.
Por outro lado, x X
, pois:
x 0, uma vez que x
k
= o > 0, x
(N\({k}P))
= 0 e x
P
= x
P
ot 0
porque, para j P, se tem:
se t
j
0, entao trivialmente x
j
ot
j
x
j
> 0;
caso contrario,
x
j
t
j
o 0, pois o = min{
x
j
t
j
: t
j
> 0}.
A
x = b
, pois,como se viu em (I), A
x = A
w
o
= b
atendendo a que o > 0.

Resta vericar que x e basico. Recorrendo ao Lema da nao degenerescencia,
basta estabelecer #{j N : x
j
> 0} = m, o que decorre de se ter #P = m e
{j N : x
j
> 0} = {j N : w
o
j
> 0} = ({k} (P \ {j})),
pois k P, x
k
= w
o
k
= o > 0 e j P, donde x
j
= w
o
j
= x
j
ot
j
= x
j
x
j
t
j
t
j
= 0.
(II) Se S
= , entao a execucao termina num n umero nito de passos com

b = 0 e custo nao limitado inferiormente na semi-recta {x t : > 0} contida
em X
:
Neste caso, usando o Teorema forte da dualidade, sabe-se que a aplicacao
x. c
x nao e limitada inferiormente em X
(o qual e nao vazio por o vec-

tor x
estar em X
) e sabe-se, ainda, que Y
= .
Como Y
= , a guarda de 4 e sempre falsa. Entao, em cada iteracao existe k

tal que
(A
T
y)
k
> (c
T
)
k
o que viabiliza a atribuicao 4(a), a qual envolve uma pesquisa nita.
Nestas condicoes, se a guarda de 4(c) e verdadeira, entao a execucao termina
correctamente com b = 0 e custo nao limitado inferiormente na semi-recta
{x t : > 0} contida em X
, como se viu em (Ib) e (Ic).

Mas, se a guarda de 4(c) for falsa, o ciclo repete-se com o novo vector basico
de custo estritamente menor calculado em 4(c)iii, como se viu em (Id).
Em alguma iteracao a guarda de 4(c) acabara por ser verdadeira. Caso contrario,
seria possvel construir uma sucessao de vectores basicos distintos, em con-
tradicao com o facto do conjunto dos vectores basicos ser nito.
(III) Se S
= , entao a execucao termina num n umero nito de passos com

b = 1 e s S
:
Neste caso, a guarda de 4 acabara por ser verdadeira em alguma iteracao.
Com efeito, se assim nao fosse, a guarda de 4(c) seria sempre falsa (pois caso
contrario, como se viu em (Ib) e (Ic), o custo nao seria limitado inferiormente
na semi-recta {x t : > 0} X
, em contradicao com S
= ) e, conse-
quentemente, como se viu em (II), seria construda uma sucessao de vectores
89
basicos distintos (em contradicao com o facto do conjunto de vectores basicos
ser nito).
Quando a guarda de 4 e verdadeira, a execucao termina correctamente com
b = 1 e s S
, como se viu em (Ia). QED

Invocando duas vezes o algoritmo auxiliar r, o procedimento do simplexo s
ca muito simples:
1. (b, s) := r(A, b, u, b); se b = 1 e (s
n+1
, . . . , s
n+m
) = 0 entao b := 0;
2. se b = 1 entao (b, s) := r(A, b, c, (s
1
, . . . , s
n
)).
Perante o problema 8.1 com parametros A, b, c, a execucao de s termina com
b = 0 se o dito problema nao tem solucao e termina com b = 1 e s S caso
contrario.
Proposicao 3 (Teorema da correccao do simplexo)
O procedimento do simplexo e um algoritmo e resolve correctamente o Pro-
blema 8.1 nas condicoes de nao degenerescencia 8.4.
Prova: O procedimento s e um algoritmo por r o ser nas condicoes indicadas
(Proposicao 2) e esta correcto pois:
b e elemento basico de X
8.3
, usando a Proposicao 1(2);
Fase 1:
Se X
8.1
= , entao:
atendendo à Proposicao 1(4), a correccao de r (Proposicao 2)
garante que a execucao de r sobre (A, b, u, b) termina com b = 1
e s S
8.3
;
concluda a fase 1, usando a Proposicao 1(5), sabe-se que
s = (s
1
, . . . , s
n
,
m vezes
..
0, . . . , 0);
mais ainda, (s
1
, . . . , s
n
) e elemento basico de X
8.1
:
a admissibilidade do vector decorre da Proposicao 1(3);
o facto do vector ser basico provem de se ter
#P
s
= #P
(s
1
,...,s
n
)
= m,
invocando o Lema da nao degenerescencia (Proposicao 25
do Captulo 4), o que e possvel devido à hipotese de nao
degenerescencia do Problema 8.3.
Se X
8.1
= , entao:
atendendo uma vez mais à Proposicao 1(5), a correccao de r
garante que a execucao de r sobre (A, b, u, b) termina com b = 0
ou com b = 1 e (s
n+1
, . . . , s
n+m
) = 0;
90
logo, concluda a fase 1, b = 0.
Fase 2:
Se X
8.1
= , entao a guarda de 2 e falsa e, consequentemente,
mantem-se o valor nulo de b resultante da fase 1.
Se X
8.1
= e S
8.1
= , entao a correccao de r garante que a execucao
de r sobre (A, b, c, (s
1
, . . . , s
n
)) termina com b = 0.
Se S
8.1
= , entao a correccao de r garante que a execucao de r sobre
(A, b, c, (s
1
, . . . , s
n
)) termina com b = 1 e s S
8.1
.
QED
Captulo 9
Algoritmos de ponto interior
breve: elipsoide, Karmakar...
91
92
Parte III
Aplicacoes
93
Captulo 10
Transporte
95
96
Captulo 11
Optimizacao com varios
objectivos
97
98
Captulo 12
Optimizacao inteira
99
100
Captulo 13
Jogos matriciais
inc estrategia optima via optm linear dos jogos de soma nula
101
102
Captulo 14
Optimizacao em grafos
103
104
Parte IV
Exerccios resolvidos
105
Captulo 15
Exerccios sobre
admissibilidade e existencia
Exerccio 1 Mostre que existem vector linha a R
n
e b
0
R tais que o
problema
_
_
max
x
cx
Ax b
ax b
0
x 0.
(15.1)
tem o mesmo conjunto admissvel e o mesmo conjunto solucao que o problema
_
_
min
x
cx
Ax = b
x 0.
(15.2)
Resolucao:
Seja 1 o vector linha 1m com todos os componentes iguais a um. Escolhendo
a = 1A e b
0
= 1b, tem-se:
X
15.2
= {x R
n
: Ax = b, x 0}
= {x R
n
: w R
m
Ax +w = b, x 0, w = 0}
= {x R
n
: w R
m
Ax +w = b, x 0, w 0, 1w 0}
= {x R
n
: Ax b, 1Ax 1b, x 0}
= {x R
n
: Ax b, ax b
0
, x 0}
= X
15.1
.
S
15.2
= {z R
n
: cz = min
x
{cx : x X
15.2
}}
= {z R
n
: cz = min
x
{cx, x X
15.1
}}
= {z R
n
: cz = max
x
{cx, x X
15.1
}}
= {z R
n
: cz = max
x
{cx, x X
15.1
}}
= S
15.1
.
107
108
E
T
1 2 x
1
1
2
x
2
d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
Figura 15.1: Conjunto admissvel do problema do Exerccio 2(a)-(c).
Exerccio 2
(a) Resolva o seguinte problema:
_
_
max
x
2x
1
+x
2
x
1
+x
2
1
x
1
+x
2
3
x
1
+x
2
1
x
1
+x
2
1
x
1
0
x
2
0.
(b) Resolva o problema de minimizacao do funcional x. 2x
1
+x
2
com as res-
(c) Resolva o problema de maximizacao do funcional x. x
1
+ x
2
com as res-
(d) Resolva o problema que se obtem do problema da alnea (a) adicionando a
restricao
5
4
x
1
+x
2
5.
(e) Resolva o problema que se obtem do problema da alnea (c) removendo a
restricao x
1
+x
2
3.
Resolucao:
Pressupoe-se que ainda nao sao conhecidas as tecnicos de resolucao destes pro-
blemas. Assim, a solucao apresentada e baseada em raciocnios geometricos
muito simples.
(a) O conjunto admissvel e o quadrado representado na Figura 15.1.
Vai ser vericado que a unica solucao do problema e o ponto (2, 1) situado
na interseccao da regiao admissvel com a perpendicular ao vector c = [2, 1] mais
109
afastada da origem (ver Figura 15.2). Com efeito, considere-se a semi-recta
x
2
=
1
2
x
1
com origem no ponto (0, 0). Qualquer perpendicular a esta semi-recta e da
forma
x
2
= 2x
1
+t,
onde t R (pois
1
2
(2) = 1). As perpendiculares relevantes sao as situadas
no quadrante das coordenadas x
1
, x
2
0 tal como indicado pela direccao do
vector. Observe-se que
{x R
2
: x
2
= 2x
1
+t} X =
para 1 t 5.
A ideia para obter a solucao e encontrar o maior t tal que
{x R
2
: x
2
= 2x
1
+t} X = .
Tomando t = 5 tem-se
S = {x R
2
: x
2
= 2x
1
+ 5} X = {(2, 1)}
(b) O conjunto admissvel e o mesmo e o conjunto solucao e constitudo pelo
ponto (0, 1) usando a perpendicular
x
2
= 2x
1
+ 1
ao vector c = [2, 1].
(c) O conjunto admissvel e o mesmo e o conjunto solucao e o segmento da recta
S = {x X : x
1
+x
2
= 3},
observando que a perpendicular ao vector c = [1, 1] mas afastada e ainda na
regiao admissvel e precisamente a recta x
2
= x
1
+ 3.
(d) Neste caso, o conjunto admissvel e vazio e, consequentemente, o conjunto
solucao tambem e vazio.
(e) O conjunto admissvel nao e limitado e o conjunto solucao e vazio pois ha
innitas perpendiculares ao vector c = [1, 1] na regiao admissvel.
Exerccio 3 Considere as seguintes restricoes:
x
2
x
1
1
x
2
+x
1
1
x
1
, x
2
0
(a) Resolva o problema de optimizacao linear com o conjunto admissvel X
contendo as restricoes anteriores para os casos seguintes:
110
E
T
1 2 x
1
1
2
x
2
d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
d
Figura 15.2: Solucao do problema do Exerccio 2(a).
(i) max
x
x
1
+x
2
;
(ii) max
x
x
1
x
2
;
(iii) max
x
x
1
+x
2
;
(iv) max
x
x
1
x
2
;
(v) max
x
2x
1
+x
2
.
(b) Formule um dos problemas anteriores nas formas padrao e canonica.
Resolucao:
(a) A regiao admissvel e indicada na Figura 15.3. Trata-se de um conjunto nao
limitado superiormente. Observe-se no entanto, que, para alguns vectores linha
c, e possvel encontrar maximizante, como se vera adiante.
(i) Qualquer perpendicular ao vector c = [1, 1], da forma
x
2
= x
1
+t
com t 0, intersecta a regiao admissvel (ver Figura 15.4). Logo, S = , ou seja
o problema de optimizacao em causa nao tem solucao para o vector c = [1 1].
(ii) Qualquer perpendicular ao vector c = [1, 1] relevante e da forma
x
2
= x
1
+t
com t 0. A unica perpendicular ao vector c = [1, 1] que toca a regiao
admissvel e
x
2
= x
1
111
E
T
1 2 x
1
1
2
x
2
Figura 15.3: Conjunto admissvel do problema do Exerccio 3.

precisamente no (0,0), pelo que S = {(0, 0)}.
(iii) Qualquer perpendicular ao vector [1, 1] relevante e da forma
x
2
= x
1
+t
com t 0. A perpendicular com maior t que intersecta X e
x
2
= x
1
+ 1
pelo que
S = {x X : x
2
x
1
= 1},
ou seja, todos os pontos da semi-recta x
2
= x
1
+ 1 com incio em (0, 1) sao
solucao do problema, pelo que S e innito.
(iv) Qualquer perpendicular ao vector [1, 1] relevante e da forma
x
2
= x
1
+t
com t 0. A perpendicular com menor t que intersecta X e
x
2
= x
1
1
pelo que
S = {x X : x
1
x
2
= 1},
ou seja, todos os pontos da semi-recta x
2
= x
1
1 com incio em (1, 0) sao
solucao do problema, pelo que S e innito.
(v) Para qualquer perpendicular ao vector c = [2, 1] na regiao admissvel, e
sempre possvel encontrar uma mais afastada e, ainda, na regiao admissvel.
Logo, S = .
112
E
T
1 2 x
1
1
2
x
2
Figura 15.4: Problema do Exerccio 3(i) sem solucao.

(b) O primeiro problema tem a seguinte formulacao na forma canonica:
_
_
max
x
[1 1] x
Ax b
x 0
onde A e a matriz
_
1 1
1 1
_
e b e o vector
_
1
1
_
O mesmo problema tem a seguinte formulacao na forma padrao, usando a Pro-
posicao 4:
_
_
max
x
[1 1 0 0] x
Ax = b
x 0
onde A e a matriz
_
1 1 1 0
1 1 0 1
_
x e o vector
_
_
x
1
x
2
x
3
x
4
_
_
113
onde x
3
e x
4
sao as variaveis de folga e b e o vector
_
1
1
_
Exerccio 4 Mostre que o conjunto admissvel para o problema de optimizacao

linear na forma padrao e convexo, isto e, se x e y sao admissveis, entao
x + (1 )y
e admissvel, qualquer que seja [0, 1].
Resolucao: Considere-se o problema na forma padrao:
_
_
min
x
cx
Ax = b
x 0.
(15.3)
Seja z = x + (1 )y com [0, 1] e x, y admissveis. Entao:
(i) z 0. Basta observar que x 0 e (1 )y 0 uma vez que x, y 0 e
[0, 1].
(ii) Az = b. Com efeito,
Az = A(x + (1 )y)
= Ax + (1 )Ay
= b + (1 )b
= b ,
pois Ax = b e Ay = b.
Exerccio 5 Mostre que o conjunto solucao para o problema de optimizacao
linear na forma padrao e convexo.
Considere-se o problema na forma padrao. Suponha-se que y, z sao solucoes,
isto e,
cy = cz = min
x
{cx : Ax = b, x 0} ,
ou seja, para qualquer v admissvel, tem-se cy cv e cz cv. Considere-se
w = y+(1)z com [0, 1]. Ha que provar cw = min
x
{cx : Ax = b, x 0},
ou seja, para qualquer v X, tem-se cw cv. Com efeito,
cw = c(y + (1 )z)
= cy + (1 )cz
cv + (1 )cv
= cv ,
usando o facto de e 1 serem nao negativos.
114
n
R
m
e contnua em x R
n
se
e so se, qualquer que seja > 0, existe > 0 tal que se y x < entao
f(y) f(x) < .
Resolucao:
() A prova realiza-se por contraposicao. Suponha-se que existe > 0 tal
que, qualquer que seja > 0, existe y R
n
que verica y x < e
f(y) f(x) . Para cada k N
+
, seja y
k
tal que y
k
x <
1
k
e
f(y
k
) f(x) . Entao, a sucessao k . y
k
converge para x, mas a sucessao
k . f(y
k
) nao converge para f(x), donde se conclui que f nao e contnua em x.
() Seja = k .
k
uma sucessao convergente para x. Pretende-se demons-
trar que f() = k . f(
k
) e sucessao convergente para f(x), isto e, pretende-se,
para > 0 arbitrario, encontrar i tal que f(
j
) f(x) < para qualquer
j > i. Com efeito, por hipotese, para o em causa, existe > 0 tal que se
y x < , entao f(y) f(x) < . Por ser convergente para x, esco-
lhido tal , existe i tal que
j
x < para j > i. Logo, existe i tal que
f(
j
) f(x) < para qualquer j > i.
n
R
m
e contnua se e so se, para
cada i = 1, . . . , m, e contnua a aplicacao f
i
: R
n
R tal que f
i
(x) = (f(x))
i
.
Resolucao:
() Seja > 0 qualquer. Para i = 1, . . . , m, o objectivo e encontrar > 0 de
tal modo que |f
i
(x) f
i
(u)| < sempre que x u < . Por f ser contnua,
existe > 0 tal que f(x) f(u) < sempre que x u < . Atendendo
a que |f
i
(x) f
i
(u)| f(x) f(u), tem-se |f
i
(x) f
i
(u)| < sempre que
x u < .
() Seja > 0 qualquer. O objectivo e encontrar > 0 de tal modo que
f(x) f(u) < sempre que x u < . Para cada i = 1, . . . , m, como f
i
e
contnua, existe
i
tal que |f
i
(x) f
i
(u)| <

m
sempre que x u <
i
. Logo,
se x u < min
i=1,...,m
i
, entao |f
i
(x) f
i
(u)| <

m
para cada i = 1, . . . , m e,
portanto,
f(x) f(u)
m
i=1
|f
i
(x) f
i
(u)| <
m
i=1
m
= .
Exerccio 8 Mostre que e fechada a interseccao de dois conjuntos fechados.

Resolucao: Sejam U
1
, U
2
R
n
conjuntos fechados. Seja = k .
k
: N
U
1
U
2
uma sucessao convergente para x R
n
. Entao, para i = 1, 2, =
k .
k
: N U
i
e sucessao convergente para x U
i
e, portanto, x U
1
U
2
usando a hipotese.
Exerccio 9 Considere o problema de optimizacao linear na forma canonica.
Mostre que x intX se e so se existe > 0 tal que B
(x) X.
115
Resolucao: Considere-se o problema de optimizacao linear na forma canonica,
isto e, X = {x R
n
: Ax b, x 0} = {x R
n
: Ax b}, onde b R
m+n
se obtem de b juntando-lhe n linhas nulas e A e a matriz (m + n) n que se
obtem de A juntando-lhe n linhas, sendo, para cada j N, a (m + j)-esima
linha composta por zeros, com excepcao da componente j que e 1.
() Suponha-se que x intX, isto e, Ax < b. Seja
= min{(b
i
(Ax)
i
) : 1 i m+n}.
Observe-se que > 0. Atendendo a que x. Ax e contnua, existe > 0 tal
que se y x < , entao Ay Ax < . Ou seja, existe > 0 tal que se
y B
(x), entao Ay Ax < . Resta vericar que todo o elemento y da bola

B
(x) esta em X. Com efeito, de Ay Ax < conclui-se

|(Ay)
i
(Ax)
i
| < ,
para cada i = 1, . . . , m+n. Ha que mostrar (Ay)
i
b
i
, para cada i = 1, . . . , m+
n. Ha dois casos a considerar:
(i) (Ay)
i
(Ax)
i
Neste caso favoravel, tem-se, trivialmente, (Ay)
i
b
i
.
(i) (Ay)
i
> (Ax)
i
Neste caso, (Ay)
i
(Ax)
i
= |(Ay)
i
(Ax)
i
| < . Logo, (Ay)
i
+ (Ax)
i
. Ou
seja, por escolha de , (Ay)
i
b
i
. Com efeito, seja = b
k
(Ax)
k
. Entao,
(Ay)
i
+ (Ax)
i
= b
k
(Ax)
k
+ (Ax)
i
o que, por escolha de , e menor ou
igual a b
i
(Ax)
i
+ (Ax)
i
= b
i
.
() Suponha-se que existe > 0 tal que B
(x) X. Seja v R
n
tal que Av = 0
(o que e possvel por a matriz A ser propria) e v < . Entao, x v B
(x)
e x +v B
(x). Por hipotese, x v X e x +v X. Logo,

(a) A(x +v) b ou seja Ax b Av
(b) A(x v) b ou seja Ax b +Av,
donde se conclui (Ax)
i
< b
i
, para i = 1, . . . , m+n, pois de (a) e (b) tira-se
1
2
(Ax +Ax)
1
2
(b Av +b Av) = b.
Exerccio 10 Considere-se o problema de optimizacao linear na forma padrao

restrita. Mostre que x X e basico se e so se, quaisquer que sejam y, z X,
x = y = z sempre que existe (0, 1) tal que x = y + (1 )z. Como
interpreta geometricamente este facto?
Resolucao: Recorde-se a forma padrao restrita:
_
_
min
x
cx
Ax = b
x 0,
(15.4)
onde c R
n
,b R
m
e A e matriz real propria mn tal que:
116
m < n;
carA = m;
o sistema Ax = b tem solucao.
() Seja x basico. Suponha-se que existem [0, 1] e y, z X tais que
x = y + (1 )z. Seja B uma base para x. Entao x
j
= 0 para j (N \ B).
Logo, para cada j (N \ B), y
j
= z
j
= 0, pois y
j
+ (1 )z
j
= 0, y
j
0
e (1 )z
j
0. Portanto
1
, A
B
x
B
= A
B
y
B
= A
B
z
B
= b. Consequentemente,
A
B
(x
B
y
B
) = A
B
(x
B
z
B
) = 0. Como A
B
e nao singular, a solucao do
sistema A
B
w = 0 e unica, donde decorre que (x
B
y
B
) = (x
B
z
B
) e, portanto,
y
B
= z
B
. Como as outras componentes de y e z sao nulas, conclui-se y = z e,
nalmente, x = y = z, por x ser combinacao convexa de vectores iguais.
() Seja x X. Suponha-se, para contradicao, que x nao e basico. Seja
B = {j N : x
j
> 0}. Entao, pela Proposicao 20, as colunas de A
B
nao
sao linearmente independentes. Ou seja, existe vector coluna
B
= 0 tal que
A
B
B
= 0. Observe-se que existe > 0 tal que x
B
+
1
B
0 e x
B
B
0.
Seja R
n
tal que
j
=
_
1
(
B
)
j
se j B
0 caso contrario .
Entao, x + , x X, pois:
(i) x + 0 e x 0, por construcao de .
(ii) A(x + ) = Ax + A = b + A = b, porque x X e A = 0 por se ter
A
B
B
= 0 e
j
= 0 para j B.
Por outro lado, x =
1
2
(x +) +
1
2
(x ). Logo, por hipotese, x + = x em
contradicao com o facto de o vector ser nao nulo.
Exerccio 11
Considere o problema de optimizacao linear seguinte:
_
_
min
x
2x
1
+x
2
x
1
x
2
+x
3
= 1
x
1
+x
2
+x
4
= 3
x
1
x
2
+x
5
= 1
x
1
+x
2
+x
6
= 1
x
1
, . . . , x
6
0.
(a) Encontre uma base. Existe conjunto de ndices de coluna que nao seja base?
(b) Encontre vector admissvel basico.
(c) Verique se existe solucao do problema.
1
Denotando por v
B
o vector coluna que se obtem do vector coluna v R
n
seleccionando
as linhas com ndice no conjunto B.
117
Resolucao:
(a) Por exemplo {2, 3, 4, 5} e uma base.
Na verdade,
det A
{2,3,4,5}
= 0
onde A
{2,3,4,5}
e submatriz quadrada de A composta pelas colunas com ndices
em {2, 3, 4, 5}. Logo, os vectores colunas com ndices em {2, 3, 4, 5} sao linear-
mente independentes.
Este facto pode tambem ser mostrado, directamente, vericando que se
1
A
2
+
2
A
3
+
3
A
4
+
4
A
5
= 0,
onde A
j
representa a coluna j da matriz A, entao
i
= 0, para i = 1, . . . , 4.
Com efeito, suponha-se que
1
A
2
+
2
A
3
+
3
A
4
+
4
A
5
= 0. Logo
_
1
+
2
= 0
1
+
3
= 0
1
+
4
= 0
1
= 0
donde se conclui
i
= 0 para i = 1, . . . , 4.
Por exemplo, {1, 2, 3, 4} nao e base.
Na verdade,
det A
{1,2,3,4}
= 0
e, logo as colunas sao linearmente dependentes.
Este facto tambem pode ser mostrado, directamente, encontrando vector
linha = 0 em R
4
, tal que
_
2
+
3
= 0
1
+
2
+
4
= 0
2
= 0
1
+
2
= 0
Basta considerar tal que
1
=
2
= 1,
3
= 2 e
4
= 2.
(b) O vector s R
6
com componentes
s
1
= s
3
= s
6
= 0, s
2
= 1, s
4
= s
5
= 2
e admissvel e basico.
E admissvel pois satisfaz as equacoes e e basico tendo como base {2, 3, 4, 5}.
Com efeito, A
{2,3,4,5}
e matriz nao singular e
x
j
= 0 para j {1, 6},
sendo ({1, 2, 3, 4, 5, 6} \ {2, 3, 4, 5}) = {1, 6}.
118
Mais ainda, e degenerado. Se o nao fosse deveria ter nulas apenas as com-
ponentes x
1
e x
6
.
(c) O vector s denido em (b) e solucao do problema dado. Tem-se
_
_
(1) x
1
+x
2
1 para que x
3
0;
(2) x
1
+x
2
3 para que x
4
0;
(3) x
1
x
2
1 para que x
5
0;
(4) x
1
+x
2
1 para que x
5
0.
para que x seja vector admissvel.
A primeira solucao potencial a considerar seria o vector u tal que u
1
= u
2
=
0. Mas u nao satisfaz (1) e, portanto, nao e admissvel.
Como outra possibilidade de solucao, considere-se um qualquer vector v tal
que 0 < v
1
< 1 e v
2
= 1 v
1
. Qualquer destes vectores e admissvel. Mas
2v
1
+v
2
= 2v
1
+ (1 v
1
) = v
1
+ 1 > 0.
Logo, o vector s e admissvel e 2s
1
+ s
2
= 1 o que faz deste vector solucao do
problema de minimizacao.
Exerccio 12 Mostre que e degenerado todo o vector admissvel basico que
tem mais do que uma base.
Resolucao: Sejam x X vector admissvel basico e B
1
, B
2
bases para x. Se
B
1
= B
2
entao existe k B
1
tal que k / B
2
. Por denicao de basico, x
j
= 0
para todo o j (N \ B
1
) e x
j
= 0 para todo o j (N \ B
2
). Observe-se que
#(N\B
1
) = #(N\B
2
). Entao x
j
= 0 para pelo menos #(N\B
1
)+1 elementos
e, portanto, x e degenerado.
Exerccio 13 Suponha que no problema 2.3 a matriz A tem coecientes in-
teiros. Mostre que se x e vector admissvel basico, entao qualquer que seja
j N,
|x
j
| m!
m1
,
onde
= max
iM,jN
|a
ij
|;
= max
iM
|b
i
|.
Resolucao: Seja x X vector admissvel basico. Entao,
Ax = A
B
x
B
= b
sendo B uma base para B. Como B e matriz nao singular,
x
B
= (A
B
)
1
b.
119
Da algebra linear, sabe-se que
(A
B
)
1
=
1
det A
B
(cof A
B
)
T
onde cof A
B
e matriz dos cofactores de A
B
, isto e, a matriz
cof A
B
= {(A
B
)
ij
}
i,j=1,...m
sendo (A
B
)
ij
= (1)
i+j
det(A
B
)
ij
onde (A
B
)
ij
e a matriz que se obtem de A
B
retirando a linha i e a coluna j. Sejam
(A
B
)
ij
= {e
k
}
k,=1,...,m1
e P o conjunto de todas as permutacoes de {1, . . . , m1}. Entao, recorrendo
à formula de Leibnitz, tem-se:
det (A
B
)
ij
=
pP
sig(p)
m1
k=1
e
kp(k)
onde
sig(p) =
_
1 se p e permutacao par
1 caso contrario.
Se = max
iM,jN
|a
ij
|, entao,
m1
k=1
|e
kp(k)
|
m1
e, portanto,
(A
B
)
ij
| = |(1)
i+j
det (A
B
)
ij
| (m1)!
m1
.
Como A tem coecientes inteiros, entao A
B
tambem tem e, por isso, | det A
B
|
e pelo menos um, donde
1
| det A
B
|
1.
Finalmente,
|x
j
| = |
m
i=1
((A
B
)
1
)
ji
b
i
|

m
i=1
|((A
B
)
1
)
ji
| |b
i
|
=

m
i=1
|
1
det A
B
| (A
B
)
ij
| |b
i
|
|
1
det A
B
|

m
i=1
(m1)!
m1
|b
i
|
(m1)!
m1

m
i=1
|b
i
|
(m1)!
m1

m
i=1

m!
m1
onde = max
iM
|b
i
|.
120
Captulo 16
Exerccios sobre interpretacao
geometrica
Exerccio 1 Mostre que o conjunto U e fechado para combinacoes lineares
ans (isto e, se u
1
, u
2
U, R entao u
1
+ (1 )u
2
U) se e so se existe
um unico espaco vectorial V tal que U = A(V, u) sendo u U arbitrario.
Resolucao:
() Suponha-se que U e fechado para combinacoes lineares ans. Comeca-se
por mostrar que existe V tal que U = A(V, u) para qualquer u U. Seja
V = {x y R
n
: x, y U}.
Trata-se de um subespaco de R
n
.
(i) 0 V pois 0 = x x para x U;
(ii) Se v V , entao v V .
Suponha-se que v V . Por denicao de V , tem-se v = x y com x, y U.
Vai-se demonstrar que v = (x y) V . Com efeito,
(x y) = (x y) + (1 )(x x) = x + (1 )x (y + (1 )y).
Mas x+(1)x, y +(1)y U por U ser fechado para combinacoes ans
e, portanto, (x y) V por ser subtraccao de dois elementos de U.
(iii) Se v
1
, v
2
V , entao v
1
+v
2
V .
Suponha-se que v
1
, v
2
V . Por denicao de V , existem v
1
= x
1
y
1
e v
2
=
x
2
y
1
com x
1
, y
1
, x
2
, y
2
U. Logo, ha que demonstrar que
v
1
+v
2
= (x
1
+x
2
) (y
1
+y
2
) V,
para o que basta mostrar que (x
1
+x
2
), (y
1
+y
2
) U.
Uma vez que
1
2
(x
1
+x
2
) =
_
1
2
x
1
_
+
__
1
1
2
_
x
2
_
entao
1
2
(x
1
+x
2
) U. Do mesmo modo,
1
2
(y
1
+y
2
) U. Entao,
1
2
((x
1
+x
2
) (y
1
+y
2
)) V
121
122
e, logo,
(x
1
+x
2
) = 2
_
1
2
(x
1
+x
2
)
_
U,
usando (ii).
(1) U = A(V, u), qualquer que seja u U.
()
Tem-se que U = V + u qualquer que seja u U. Na verdade, seja w U.
Entao, w = (w u) +u com w u V .
()
Suponha-se que w A(V, u). Entao,
w = (y z) +u
onde y, z U. Como U e fechado para combinacoes ans
1
2
y +
1
2
u U,
e, ainda pela mesma razao
2(
1
2
y +
1
2
u) z U,
donde se conclui que w U.
(2) V e o unico espaco vectorial tal que U = A(V, u).
Suponha-se que existem V
1
e V
2
tais que U = V
1
+t
1
e U = V
2
+t
2
. Entao,
V
2
= V
1
+ (t
1
t
2
).
Como 0 V
2
, entao (t
1
t
2
) V
1
e, logo, V
2
= V
1
+ (t
1
t
2
) V
1
. De
modo analogo se provaria que V
1
V
2
e, consequentemente, V
1
= V
2
.
() Suponha-se que U = A(V, u), onde u U qualquer. Sejam u
1
, u
2
U.
Tem-se que
u
1
+ (1 )u
2
= (v
1
+u) + (1 )(v
2
+u) = v
1
+ (1 )v
2
+u.
Como v
1
+ (1 )v
2
V , entao u
1
+ (1 )u
2
U.
Exerccio 2 Mostre que se w A(V, u) entao A(V, u) = A(V, w). Verique
ainda que
V = {x y : x, y A(V, u)}.
Resolucao: Usando o Exerccio 1, sabe-se que A(V, u) e conjunto fechado para
combinacoes ans. Logo, existe um unico espaco vectorial V
tal que
A(V, u) = A(V
, w)
qualquer que seja w A(V, u). Em particular, A(V, u) = A(V
, u) pois u
A(V, u). Logo, para qualquer u
A(V, u) tem-se u
= v + u = v
+ u para
algum v V e algum v
, donde v = v
. Como todos os elementos de V

e V
sao usados na denicao dos espacos ans, tem-se que V = V
. Usando de
novo o exerccio anterior, conclui-se que V = {x y : x, y A(V, u)}.
123
Exerccio 3 Seja A(U) o menor conjunto fechado para combinacoes ans que
inclui o conjunto U R
n
. Mostre que:
A(U) =
_
kN
k
(U).
onde
: (R
n
) (R
n
) tal que
(W) = W {y + (1 )z : y, z W, R};

0
= U e
k+1
(W) = (
k
(W)).
Resolucao:
(1) O operador e monotono, isto e, (W
1
) (W
2
) sempre que W
1
W
2
,
o que decorre da denicao de .
(2) U (U), o que tambem decorre da denicao de .
(3) O operador e contnuo.
Com efeito seja
{W
i
}
iI
uma famlia de subconjuntos de R
n
tal que para quaiquer i
1
, i
2
I existe i I
tal que
W
i
1
W
i
e W
i
2
W
i
.
Tem de se vericar que
(
_
iI
W
i
) =
_
iI
(W
i
).
()
Como
W
i
_
iI
(W
i
)
entao, usando a monotonia em (1), decorre
(
_
iI
W
i
) (W
i
),
donde
(
_
iI
W
i
)
_
iI
(W
i
).
()
Seja v (
iI
W
i
) com v = y + (1 )z. Entao, y, z

iI
W
i
, donde
y W
i
1
e z W
i
2
, para alguns i
1
, i
2
I. Logo, existe i I tal que y, z W
i
,
portanto, v (W
i
) e consequentemente, v
iI
(W
i
).
(4) (
kN
k
(U)) =

kN
k
(U) e, portanto,

kN
k
(U) e fechado para
124
combinacoes lineares ans.
(
_
kN
k
(U)) =
_
kN
k+1
(U) =
_
kN
k
(U),
usando a continuidade de .
(5) Se W e fechado para combinacoes lineares ans, entao

kN
k
(U) W.
Basta mostrar que
k
(U) W, para qualquer k N
o que e mostrado por inducao sobre k.
k = 0: por denicao
0
= U.
Seja v
k+1
. Entao, v e y +(1 )z com y, z
k
(U). Usando a hipotese
de inducao, v e y + (1 )z com y, z W, donde, como W e fechado para
combinacoes ans, se conclui que v W.
Exerccio 4 Mostre que a dimensao de {x R
n
: x 0} e n.
Resolucao: Vai ser demonstrado que
A({x R
n
: x 0}) = R
n
.
Seja u R
n
qualquer. Tem de se mostrar que u e combinacao am de elementos
do conjunto {x R
n
: x 0}.
(i) u 0
Entao,
u = 1u + 0u
e logo u A({x R
n
: x 0}), tomando = 1.
(ii) u 0.
Entao,
u = (1)u + 2u
onde
u
j
_
u
j
se u
j
< 0
u
j
caso contrario;
e
u
j
_
0 se u
j
< 0
u
j
caso contrario.
Como u 0 e u 0 tem-se que u, u {x R
n
: x 0} e logo u e combinacao
linear am de elementos deste conjunto, tomando = 1.
Logo, a dimensao de A({x R
n
: x 0}) e n.
Exerccio 5 Analise a dimensao do conjunto admissvel do problema de opti-
mizacao linear na forma padrao restrita:
_
_
min
x
cx
Ax = b
x 0,
(16.1)
125
onde c R
n
, b R
m
e A e matriz real propria mn tal que m < n, carA = m
e o sistema Ax = b tem solucao.
Resolucao:
(i) X =
Entao, a dimensao de X e, por denicao, 1.
(ii) X = .
Sabe-se, da algebra linear, que
n = carA+k
em que k e a nulidade, isto e, a dimensao do espaco vectorial
{x R
n
: Ax = 0}.
Por hipotese, carA = m, donde k = n m. Entao, a dimensao do espaco
vectorial V = {x R
n
: Ax = 0} e n m (isto e, os elementos de V tem n m
graus de liberdade). Recorrendo à Proposicao 2 do Captulo 3,
{x R
n
: Ax = b} = A(V, z),
donde se conclui que dimA(V, z) = n m. Logo,
dim{x R
n
: Ax = b, x 0} dimA(V, z) = n m.
Exerccio 6 Mostre que todo o hiperplano coincide com o conjunto das solu-
coes da equacao ex = d para algum vector linha e nao nulo e real d.
Resolucao: Seja A(V, t) um hiperplano. Entao, V tem dimensao n 1 sendo
por isso complemento ortogonal de um subespaco V
de dimensao 1. Seja {e}

com e = 0 a base do complemento ortogonal. Ou seja
V = {x R
n
: e x}
com e = 0. Entao,
A(V, t) = {x R
n
: e x} +t
= {x R
n
: e.x = 0} +t
= {x +t R
n
: e.x = 0}
= {y R
n
: e.(y t) = 0}
= {y R
n
: e.y = e.t}
onde e.x indica o produto interno dos vectores e e x. Logo,
A(V, t) = {x R
n
: ex = d}
sendo d = e.t e e o unico vector na base de V
.
126
Exerccio 7 Mostre que todo o hiperplano e convexo.
Resolucao: Seja A(V, t) um hiperplano. Entao, recorrendo ao Exerccio 6,
tem-se A(V, t) = {x R
n
: ex = b} onde o vector linha e e nao nulo. Sejam
y, z A(V, t). Entao, ey = b e ez = b e, logo,
e(y + (1 )z) A(V, t)
para [0, 1]. Na verdade, e(y + (1 )z) = b + (1 )b = b.
Exerccio 8 Mostre que todo o semi-espaco fechado e convexo.
Resolucao: Suponha-se que U e semi-espaco fechado. Sem perda de generali-
dade, U = {x : ex d}. O caso de U = {x : ex d} e analogo. Sejam u, v U
e [0, 1]. Entao, eu d e ev d, logo, e((u)+(1)v) = eu+(1)ev
d, e, portanto, ((u) + (1 )v) U.
Exerccio 9 Mostre que a interseccao de conjuntos convexos e conjunto con-
vexo.
Resolucao: Suponha-se que U
k
e conjunto convexo para todo o k N. Sejam
u, v
kN
U
k
e [0, 1]. Entao, u, v U
k
para todo o k N, logo, como U
k
convexo (u+(1 )v) U
k
para todo o k N e, portanto, (u+(1 )v)
kN
U
k
.
Exerccio 10 Mostre que a uniao de conjuntos convexos nem sempre e con-
junto convexo.
Resolucao: Sejam H
1
e H
2
os hiperplanos vx = 2 e vx = 1 em que v e o
vector linha [0, 1]. Entao, H
1
e H
2
sao conjuntos convexos. Considerem-se
x, y H
1
H
2
tais que x
1
= 1, x
2
= 2 e y
1
= y
2
= 1. O ponto
z =
_
1
2
x +
1
2
y
_
/ H
1
H
2
pois z
1
= 1, z
2
=
3
2
.
Exerccio 11 Mostre que se b
k
R
n
e
k
R para todo o k K entao:
U = {x R
n
: x.b
k

k
, k K}
e convexo.
Resolucao: O conjunto U
k
= {x R
n
: x.b
k

k
} e semi-espaco fechado
para cada k K. Logo, pelo Exerccio 8, U
k
e convexo para cada k K. Por
outro lado,
U =
kK
U
k
e, portanto, recorrendo ao Exerccio 9, e convexo.
127
Este exerccio mostra que a interseccao de semi-espacos fechados e convexa.
Exerccio 12 Sejam f : R
n
R
m
aplicacao linear e U R
n
convexo. Mostre
que f(U) e convexo.
Resolucao: Sejam U conjunto convexo e f aplicacao linear. Se u
, w
f(U),
entao tem de se demonstrar que u
+(1)w
f(U) para qualquer [0, 1].

Com efeito,
u
+ (1 )w
= f(u) + (1 )f(w)
= f(u + (1 )w)
onde se verica para u U e w U tais que f(u) = u
e f(w) = w
e
se conclui do facto de f ser linear. Como U e convexo, u + (1 )w U e,
portanto, f(u + (1 )w) f(U).
Exerccio 13 Sejam f : R
n
R
m
aplicacao linear e U R
m
convexo. Mostre
que f
1
(U) e convexo.
Resolucao: Sejam U conjunto convexo e f aplicacao linear. Pretende-se de-
monstrar que se u, w f
1
(U), entao
u + (1 )w f
1
(U)
para qualquer [0, 1]. Se u, w f
1
(U), entao f(u), f(v) U e, portanto,
como U e convexo,
f(u) + (1 )f(w) U.
Como f e aplicacao linear
f(u + (1 )w) U,
donde sai a tese.
Um conjunto U = {U
k
: U
k
R
n
, k K} de conjuntos diz-se orientado se,
para quaisquer U
i
, U
j
U, existe U U tal que
U
i
U e U
j
U.
Observe-se que se o conjunto U e fechado para a uniao, entao e orientado.
Exerccio 14 Mostre que a uniao de um conjunto orientado de conjuntos con-
vexos e conjunto convexo.
Resolucao: Sejam u, v
UU
U e [0, 1]. Entao, u U
i
and v U
j
para
U
i
, U
j
U. Como U e conjunto orientado, existe U tal que U
i
U e U
j
U e,
portanto, u, v U. Sendo U convexo, u + (1 v) U e, consequentemente,
u + (1 v)
UU
U.
Exerccio 15 Encontre (V, t) de tal modo que {x} = A(V, t) sendo x R
n
.
Indique qual a dimensao de {x}.
128
Resolucao: Seja V = {0}.

E simples vericar que se trata de um espaco
vectorial (dito trivial). Entao, {x} = A(V, x). A dimensao de V e 0 pois e
base para V (a soma de zero de termos e 0 e o conjunto vazio e, vacuosamente,
conjunto de vectores linearmente independentes).
Exerccio 16 Determine as faces, identicando os hiperplanos que as caracte-
rizam, do conjunto admissvel do problema do Exerccio 11 do Captulo 15.
Resolucao:
Seja X o conjunto admissvel do problema que, neste caso, tem dimensao 2.
Logo as facetas (faces de dimensao 1) coincidem com as arestas. Recordem-se
as equacoes e restricoes:
_
_
(1) x
1
x
2
+x
3
= 1
(2) x
1
+x
2
+x
4
= 3
(3) x
1
x
2
+x
5
= 1
(4) x
1
+x
2
+x
6
= 1
(5) x
i
0, i = 1, . . . , 6
Vertices (faces de dimensao 0):
v
1
= (0, 1, 0, 2, 2, 0)
hiperplano H
v
1
= {x R
6
: [1 0 1 0 0 0] x = 0}
1
;
X {x R
6
: x
1
+x
3
= 0} = {v
1
}:
x
1
= x
3
= 0 pois x
1
, x
3
0;
x
2
= 1 usando (1);
x
4
= 2 usando (2);
x
5
= 2 usando (3);
x
4
= 2 usando (4);
H
v
1
y = y
1
+y
3
> 0, para qualquer y (X \ {v
1
}):
se y = v
1
, entao ou y
1
= 0 ou y
3
= 0
como y X entao y
1
0 e y
3
0
logo, ou y
1
> 0 ou y
3
> 0;
v
2
= (1, 0, 0, 2, 0, 2)
hiperplano H
v
2
= {x R
6
: [0 1 0 0 1 0] x = 0};
X {x R
6
: x
2
+x
5
= 0} = {v
2
}:
x
2
= x
5
= 0 pois x
2
, x
5
0;
x
1
= 1 usando (3);
x
3
= 0 usando (1);
x
4
= 2 usando (2);
1
Trata-se de um hiperplano, recorrendo ao Exerccio 6, com base em que [0 1 0 0 1 0] e
vector nao nulo.
129
x
6
= 2 usando (4);
H
v
2
y = y
2
+y
5
2
}):
se y = v
2
entao ou y
2
= 0 ou y
5
= 0
como y X entao y
2
0 e y
5
0
logo, ou y
2
> 0 ou y
5
> 0;
v
3
= (1, 2, 2, 0, 2, 0)
hiperplano H
v
3
= {x R
6
: [0 0 0 1 0 1] x = 0};
X {x R
6
: x
4
+x
6
= 0} = {v
3
}:
x
4
= x
6
= 0 pois x
4
, x
6
0;
x
3
= 2 pois x
1
+x
2
= 3, e, logo, x
1
x
2
+x
3
= 3 +x
3
= 1;
x
2
= 2 pois x
1
+x
2
= 3 e x
1
+x
2
= 1;
x
1
= 1 pois x
1
+x
2
= 3;
x
5
= 2 usando (3);
H
v
3
y = y
4
+y
6
3
}):
se y = v
3
entao ou y
4
= 0 ou y
6
= 0
como y X entao y
4
0 e y
6
0
logo, ou y
4
> 0 ou y
6
> 0;
v
4
= (2, 1, 2, 0, 0, 2)
hiperplano H
v
4
= {x R
6
: [0 0 0 1 1 0] x = 0};
X {x R
6
: x
4
+x
5
= 0} = {v
4
}:
x
4
= x
5
= 0 uma vez que x
4
, x
5
0;
x
1
= 2 pois x
1
+x
2
= 3, e x
1
x
2
= 1;
x
2
= 1 pois x
1
+x
2
= 3;
x
3
= 2 usando (1);
x
6
= 2 usando (4);
H
v
4
y = y
4
+y
5
4
}):
se y = v
4
entao ou y
4
= 0 ou y
5
= 0
como y X entao y
4
0 e y
5
0
logo, ou y
4
> 0 ou y
5
> 0.
Arestas (faces de dimensao 1):
E
1
= {x R
6
: x
3
= 0, x
4
= 2, (3), (4), (5)}
hiperplano H
E
1
= {x R
6
: [0 0 1 0 0 0] x = 0};
X {x R
6
: x
3
= 0} = E
1
;
H
E
1
y = y
3
> 0, para qualquer y (X \ E
1
):
se y / E
1
entao y
3
= 0
como y X entao y
3
0
logo, y
3
> 0;
v
1
, v
2
E
1
;
130
E
2
= {x R
6
: x
4
= 0, x
3
= 2, (3), (4), (5)}
hiperplano H
E
2
= {x R
6
: [0 0 0 1 0 0] x = 0};
X {x R
6
: x
4
= 0} = E
2
;
H
E
2
y = y
4
2
):
se y / E
2
entao y
4
= 0
como y X entao y
4
0
logo, y
4
> 0;
v
3
, v
4
E
2
;
E
3
= {x R
6
: x
5
= 0, x
6
= 2, (1), (2), (5)}
hiperplano H
E
3
= {x R
6
: [0 0 0 0 1 0] x = 0};
X {x R
6
: x
5
= 0} = E
1
;
H
E
3
y = y
5
3
):
se y / E
3
entao y
5
= 0
como y X entao y
5
0
logo, y
5
> 0;
v
2
, v
4
E
3
;
E
4
= {x R
6
: x
6
= 0, x
5
= 2, (1), (2), (5)}
hiperplano H
E
4
= {x R
6
: [0 0 0 0 0 1] x = 0};
X {x R
4
: x
6
= 0} = E
2
;
H
E
4
y = y
6
4
):
se y / E
4
entao y
6
= 0
como y X entao y
6
0
logo, y
6
> 0;
v
1
, v
3
E
4
;
Considerando X como face (impropria) de dimensao 2 e como face (impropria)
de dimensao 1 tem-se sempre:
2
k=1
(1)
k
n
k
= 0,
onde n
k
e o n umero de faces de dimensao k a qual se chama formula de Euler-
Poincare, ou simplemente formula de Poincare. No caso do problema acima
1 + 4 4 + 1 = 0.
Exerccio 17 Mostre que e fechada a imagem inversa por aplicacao contnua
de conjunto fechado.
Resolucao:
Sejam f : R
n
R
m
aplicacao contnua e U R
m
conjunto fechado. Suponha-
se que = k .
k
: N f
1
(U) e sucessao convergente para v R
m
. O objec-
tivo e demonstrar que v f
1
(U). Considere-se a sucessao f() = k . f(
k
) :
131
N U. Como f e contnua, entao f() converge para f(v) e, portanto, como
U e fechado, f(v) U. Consequentemente f
1
({f(v)}) f
1
(U) e, uma vez
que v f
1
({f(v)}), tem-se v f
1
(U).
Exerccio 18 Seja U R
n
conjunto fechado para a multiplicacao de vector
por escalar nao negativo. Mostre que U e convexo se e so se e fechado para a
adicao de vectores.
Resolucao:
() Sejam x, y U. Entao,
1
2
(x+y) U pois U e convexo e, por U ser fechado
para a multiplicacao de vector por escalar nao negativo, x+y = 2(
1
2
(x+y)) U.
() Sejam x, y U e [0, 1]. Entao, x, (1 )y U por U ser fechado
para a multiplicacao de vector por escalar nao negativo e, x + (1 y) U,
por U ser fechado para a adicao de vectores.
n
com U = {u
1
, . . . , u
k
}. Mostre que
C(U) =
UV
V,
sendo V conjunto fechado para a multiplicacao de vector por escalar nao nega-
tivo e para a adicao de vectores.
Resolucao:
(1)

UV
V C(U).
(a) C(U) e fechado para a multiplicacao de vector por escalar nao negativo.
Seja x C(U) e R
+
0
. Logo, x =

k
i=1

i
u
i
com R
+
0
e u
i
U. Entao,
para 0,
x =
k
i=1
(
i
)u
i
C(U)
pois (
i
) R
+
0
.
(b) C(U) e fechado para a adicao de vectores. Sejam x, y C(U). Entao
x =
k
i=1

i
u
i
e y =
k
i=1

i
u
i
para
i
,
i
(R
+
0
) e u
i
U. Consequentemente,
x +y =
k
i=1
(
i
+
i
)u
i
C(U)
pois (
i
+
i
) R
+
0
, para i = 1, . . . , k.
(2) C(U) V para qualquer V fechado para a multiplicacao de vector por
escalar nao negativo e adicao de vectores tal que U V .
(a) C(U) =
=1
C(U)
onde C(U)
e composto pelos vectores x que sao soma

de elementos de U.
(b) C(U)
V para qualquer V fechado para a multiplicacao de vector por

escalar nao negativo e adicao de vectores tal que U V . A prova realiza-se por
inducao sobre .
132
Base: = 0. Entao 0 C(U) e 0 V .
Passo: suponha-se que C(U)
r
V para r . Tome-se x C(U)
+1
. Suponha-
se, sem perda de generalidade, que x =

+1
i=1

i
u
i
=

i=1

i
u
i
+
+1
u
+1
.
Entao:
i=1

i
u
i
V , usando a hipotese de inducao;

+1
u
+1
V pois u
+1
V e V e fechado para a multiplicacao de vector
por escalar nao negativo.
Logo x V por V ser fechado para a adicao de vectores.
n
com U = {u
1
, . . . , u
k
}. Mostre que

U = C(U),
onde U = {
i
u
i
:
i
R
+
0
, u
i
U}.
Resolucao:
(1)

U C(U).
(a) U C(U). Seja u U. Entao, u = u
i
, para algum i = 1, . . . , k, com
R
+
0
e u
i
U. Entao u C(U) tomando
j
= 0 para todo o j = 1, . . . , k e
j = i e
i
= .
(b) C(U) e convexo. Sejam x, y C(U) e [0, 1]. Entao x =

k
i=1

i
u
i
e
y =
k
i=1

i
u
i
para
i
,
i
R
+
0
, u
i
U e i = 1, . . . , k. Logo,
x + (1 )y =
k
i=1
(
i
+ (1 )
i
)u
i
donde se conclui x + (1 )y C(U) pois
i
, (1 )
i
R
+
0
e, portanto,
i
+ (1 )
i
R
+
0
.
(c) A tese decorre por

U ser o mais pequeno conjunto convexo que contem U.
(2) C(U)

U.
(a)

U e fechado para a multiplicacao por escalar nao negativo.
Seja x

U. Entao x =

k
j=1

j
u
j
com
j
R
+
0
, u
j
U para j = 1, . . . , k e
k
j=1

j
= 1. Atendendo à denicao de U, tem-se que
x =
k
j=1
j

j
u
j
com
j
,
j
R
+
0
, u
j
U para j = 1, . . . , k e

k
j=1

j
= 1. Considere-se x
com R
+
0
. Entao
x =
k
j=1
j

j
u
j
com
j
,
j
R
+
0
, u
j
U para j = 1, . . . , k,
k
j=1

j
= 1 e R
+
0
. Observando
que
j
R
+
0
, tem-se que
j
u
j
U e, portanto, x

U.
(b)

U e fechado para a adicao de vectores. Basta recorrer ao Exerccio 18
observando que

U e fechado para a multiplicacao por escalar nao negativo e e
convexo.
(c) A tese decorre do Exerccio 19.
133
Exerccio 21 Seja x X. Mostre que x frX se e so se existe linha activa
de A em x.
Resolucao:
Tem-se que x frX se e so se Ax < b se e so se existe i = 1, . . . , m tal que
(Ax)
i
= b
i
se e so se existe i = 1, . . . , m tal que a linha i de A e activa em i.
Exerccio 22 Considere o problema de optimizacao linear seguinte:
_
_
max
x
2x
1
+x
2
x
1
x
2
1
x
1
+x
2
3
x
1
x
2
1
x
1
+x
2
1
x
1
0
x
2
0.
Mostre que o vector admissvel x = (2, 1) e maximo do funcional x. [2 1]x em
X. Mostre ainda, que y = (
3
2
,
1
2
) nao e maximo local do mesmo funcional.
Resolucao: Recorrendo ao Teorema do maximo local basta mostrar que
_
2
1
_
C(A
x
)
uma vez que o Teorema do maximo garante que todo o maximo local e maximo.
As linhas 2 e 3 da matriz sao activas em x: x
1
+ x
2
= 2 + 1 = 3 e x
1
x
2
=
2 1 = 1. Logo,
A
x
=
_
1 1
1 1
_
Resta encontrar
1
,
2
R
+
0
tais que e
_
2
1
_
=
1
_
1
1
_
+
2
_
1
1
_
Na verdade, com
1
=
3
2
e
2
=
1
2
, tem-se
_
2
1
_
=
3
2
_
1
1
_
+
1
2
_
1
1
_
donde se conclui que [2 1]
T
C(A
x
).
De novo recorrendo ao Teorema do maximo local, basta mostrar que
_
2
1
_
/ C(A
y
).
A linha 3 da matriz e a unica activa em y: y
1
y
2
= 1. Logo,
A
y
=
_
1
1
_
134
e nao existe R
+
0
tal que
_
2
1
_
=
_
1
1
_
donde se conclui que [2 1]
T
/ C(A
y
).
Exerccio 23 Recorde a Proposicao 4 do Captulo 1 e suponha que X = .
Mostre que
dimF = dimF
onde:
X e o conjunto admissvel do problema de optimizacao linear na forma
canonica;
F X;
X = f(X) e o conjunto admissvel do problema de optimizacao linear na
forma padrao equivalente a menos de bijeccao linear ao problema original;
F = f(X) X.
Resolucao: Assuma-se que dimF = k. Entao, seja A(V, t) o menor espaco
am que contem F. Tem-se que dimV = k. Considerem-se

V conjunto formado por todos os vectores v R
n+m
tais que:
v
N
= v;
v
i
=
n
j=1
a
ij
v
j
para i = n + 1, . . . , n +m;

t R
n+m
tal que

t
N
= t e

t
i
= b
i
para i = n + 1, . . . , n +m.
V e claramente um espaco vectorial. Vai-se demonstrar que:

1.

V tem dimensao k;
2. A(

V , t) e o menor espaco am que contem f(F).
1. Seja {u
1
, . . . , u
k
} base de V . Entao, { u
1
, . . . , u
k
} e base de

V .
Obviamente { u
1
, . . . , u
k
} e conjunto de vectores linearmente independentes.
Resta ver que, para qualquer v,
v
j
=
k
=1
j
para j = 1, . . . , n +m, tendo-se
v
j
=
k
=1
j
.
135
O resultado e valido para i = 1, . . . , n pois
v
i
= v
i
=
k
=1
u
i
=
k
=1
u
i
O resultado e valido para i = n + 1, . . . , n +m pois
v
i
=
n
j=1
a
ij
v
j
=
n
j=1
a
ij
k
=1
j
=
k
=1
j=1
a
ij
u
j
=
k
=1
i
.
2. Seja x f(X). Entao, x = x +

t, donde x A(

V ,

t), qualquer que seja
x f(X), ou seja
f(X) A(

V ,

t).
Falta demonstrar que A(

V ,

t) e o menor espaco am que contemf(X). Suponha-
se, por contradicao, que existia A(V
, t
) tal que
f(X) A(V
, t
) A(

V ,

t).
Seja V
|
N
= {x R
n
: x = (x
)
N
, para x
V }. Entao,
A(V
|
N
, t
N
) e espaco am;
X A(V
|
N
, t
N
);
A(V
|
N
, t
N
) A(V, t);
o que contraria o facto de A(V, t) ser o menor espaco am nestas condicoes.
Exerccio 24 Sendo U R
n
conjunto com dimensao k, demonstre que as
seguintes assercoes sao equivalentes:
1. O conjunto {u
1
, . . . , u
k+1
} U e tal que nenhum dos seus vectores e
combinacao am dos restantes;
2. Todo o elemento de U pode ser denido, de modo unico, como combinacao
am de {u
1
, . . . , u
k+1
};
3. {u
u
i
: = 1, . . . , k + 1, = i} e conjunto de vectores linearmente
independentes, para todo o u
i
com i = 1, . . . k + 1.
Resolucao:
1 2
Suponha-se, por contradicao, que v U e denido por duas combinacoes ans
distintas, isto e, u e tal que:
u =
k+1
=1
=
k+1
=1
com
()
k+1
=1
=
k+1
=1
= 1
136
e
i
=
i
para algum i = 1, . . . , k + 1. Seja t
i
=
i

i
para um tal i. Logo,
tem-se
u
i
=
k+1
=1
=i
t
1
i
(
) u
.
Mas, usando, (),
k+1
=1
=i
t
1
i
(
) = t
1
i
(
i
1 + 1
i
) = 1.
Assim, u
i
e combinacao am dos outros u
com = i o que contradiz a hipotese.

2 3
Sem perda de generalidade tome-se i = 1. Suponha-se que
k+1
=2
(u
u
1
) = 0.
Entao,
k+1
=2
u
1
+
k+1
=2
= 0
ou seja
(1
k+1
=2
)u
1
+
k+1
=2
= u
1
.
Como u
1
so pode ser escrito de forma unica como combinacao am dos elemen-
tos de {u
1
, . . . , u
k+1
}, tem-se que
= 0 para = 2, . . . , k + 1.
3 1
Suponha-se, por absurdo e sem perda de generalidade que
u
1
=
k+1
=2
com
k+1
=2
= 1.
Tem-se entao
0 =
k+1
=2
(u
u
1
),
o que contradiz o facto de {u
u
1
: = 1, . . . , k + 1, = 1} ser conjunto
de vectores linearmente independentes, pois pelo menos um dos
tem de ser
diferente de 0.
137
C({v
0
, . . . , v
k
}) = A(C({0, v
1
v
0
, . . . , v
k
v
0
}), v
0
),
onde C(U) e o conjunto de todas as combinacoes ans denidas com os elementos
de U.
Resolucao:
Tem-se x C({v
0
, . . . , v
k
}) se e so se
x =
m
=1
v
i
com v
i
{v
0
, . . . , v
k
} e

m
=1

= 1 se e so se
x =
m
=1
v
i
v
0
m
=1
+v
0
com v
i
{v
0
, . . . , v
k
} e

m
=1

= 1 se e so se
x =
m
=1
(v
i
v
0
) +v
0
com v
i
{v
0
, . . . , v
k
} e

m
=1

= 1 se e so se
x A(C({0, v
1
v
0
, . . . , v
k
v
0
}), v
0
).

A(V, v
0
) = C({v
0
, v
1
+v
0
. . . , v
k
+v
0
}),
sendo dimV = k e {v
1
, . . . , v
k
} base de V .
Resolucao:
()
Suponha-se que x A(V, v
0
). Entao, x = v + v
0
para algum v V . Como
{v
1
, . . . , v
k
} base de V vem
x =
k
=1
+v
0
.
Entao,
x =
k
=1
+
k
=1
v
0
+ (1
k
=1
) v
0
,
ou seja
x =
k
=1
(v
+v
0
) + (1
k
=1
) v
0
,
138
donde se conclui que x C({v
0
, v
1
+v
0
. . . , v
k
+v
0
}).
()
Suponha-se que x C({v
0
, v
1
+v
0
. . . , v
k
+v
0
}). Entao,
x =
k
=1
(v
+v
0
) +
0
v
0
,
com

k
=0

= 1. Assim,
x =
k
=1
+v
0
,
e, portanto, x A(V, v
0
).
Exerccio 27 Sendo U R
n
, mostre que dimU = k se e so se existem
w
0
, . . . , w
k
U tais que
{w
i
w
0
: i = 1, . . . , k} e conjunto de vectores linearmente independentes;
nao existem w
0
, . . . , w
k
U com k
> k tais que {w
i
w
0
: i = 1, . . . , k
}
e conjunto de vectores linearmente independentes.
Resolucao:
()
Suponha-se que dimU = k. Entao o menor espaco am, seja ele A(V, t), que
contem U tem dimensao k e, consequentemente, V tem dimensao k. Seja
{v
1
, . . . , v
k
} base de V . Entao
A(V, v
0
) = C({v
0
, v
1
+v
0
. . . , v
k
+v
0
}).
Basta tomar w
0
= v
0
e w
i
= v
i
+ w
0
para se obter a primeira parte da tese.
A segunda parte da tese decorre do raciocnio seguinte: se existissem k
> k
vectores linearmente independentes , entao haveria uma base que os continha,
e, portanto, a dimensao de V nao seria k.
()
Suponha-se que w
0
, . . . , w
k
U e sao tais que {w
i
w
0
: i = 1, . . . , k} e conjunto
de vectores linearmente independentes. Entao, {w
i
w
0
: i = 1, . . . , k} V
onde V e o espaco vectorial do menor espaco am A(V, w
0
) que contem U.
Entao, {w
i
w
0
: i = 1, . . . , k} e subconjunto de uma base de V . Mas, entao
{w
i
w
0
: i = 1, . . . , k} tem de ser base de V pois, caso contrario, existiam
mais do que k vectores linearmente independentes, o que vai contra a segunda
hipotese.
Exerccio 28 Recorde a Proposicao 4 do Captulo 1. Suponha que o problema
original na forma canonica e puro (no sentido em que se X = , entao existe
x X tal que Ax = b) e que n < m. Mostre que f(F) e face de dimensao k do
conjunto admissvel do problema equivalente na forma padrao se e so se existe
conjunto M
M tal que:
139
carA
M
= n k;
M
L
x
qualquer que seja x F, sendo L
x
o conjunto dos ndices das
linhas de A activas em x;
existem x F e i (M \ M
) tais que i / L
x
.
Resolucao:
Observe-se que se b nao e combinacao linear das colunas de A entao nao existe
vector admissvel z X tal que Az = b. Ou seja, para qualquer x X, existe
i M tal que (Ax)
i
< b
i
.
()
Dado F X, suponha-se que existe M
M nas condicoes do enunciado.

Entao, A
M
e matriz (n k) (n +m) e b
M
R
nk
. Sejam
v = uA
M
e r = ub
M
,
onde u e vector linha de dimensao n k com todas as componentes iguais a
um. Oberve-se que v = 0 por denicao de A.
(1) vf(x) = r para qualquer x F:
vf(x) = uA
M
f(x) = ub
M
= r
pois f(x) f(F).
(2) vf(x) r para qualquer x X:
vf(x) = uA
M
f(x) ub
M
= r
por f(x) f(X) e u 0.
(3) vf(x) < r para qualquer x (X \ F):
vf(x) = uA
M
f(x) < ub
M
= r
pois para x (X \ F), existe i (M \ M
) tal que (Ax)

i
< b
i
.
(4) f(F) = {f(x) X : vf(x) = r} e f(X) \ f(F) = {f(x) X : vf(x) < r}.
(5) dimf(F) k.
Seja W = {f(x) R
n
: A
M
f(x) = b
M
}. Observe-se que
dimf(F) dimW = n (n k) = k,
pois f(F) W.
(6) dimf(F) k.
Seja z F tal que existe i (M \ M
) tal que (Az)

i
< b
i
. Entao, f(z)
f(F) e e tal que f(z)
i+n
> 0. Por outro lado, como dimW = k, existem
f(y
0
), . . . , f(y
k
) W tais que
f(y
1
) f(y
0
), . . . , f(y
k
) f(y
0
)
140
e conjunto de vectores linearmente independentes. Considere-se a seguinte
sequencia de vectores:
() f(z) + (f(y
1
) f(y
0
)), . . . , f(z) + (f(y
k
) f(y
0
)),
onde > 0 e escolhido de modo a que f(z) + (f(y
j
) f(y
0
)) 0 para cada
j = 1, . . . , k e f(z)
n+i
+ (f(y
j
) f(y
0
))
n+i
> 0. Entao,
f(z) + (f(y
j
) f(y
0
)) f(F)
para cada j = 1, . . . , k. Resta demonstrar que () e conjunto de vectores line-
armente independentes. Suponha-se que
1
(f(z) + (f(y
1
) f(y
0
))) + +
k
(f(z) + (f(y
k
) f(y
0
))) = 0.
Entao,
k
j=2
j
(f(y
j
) f(y
0
)) +
_
_
_
_
_
_
_
k
j=1
j
f(z)
(f(y
1
) f(y
0
))
+
1
_
_
_
_
_
_
_
(f(y
1
) f(y
0
)) = 0,
donde se tira:

j
= 0 para j = 2, . . . , k;
j=1
j
f(z)
(f(y
1
)f(y
0
))
+
1
= 0, donde se obtem
1
= 0
pois (f(y
1
) f(y
0
)) = 0 e f(z)
n+i
+ (f(y
j
) f(y
0
))
n+i
> 0.
Logo, existe uma base que contem os vectores em () e, portanto, tem-se a tese.
()
Suponha-se que f(F) f(X) e uma face. Entao, existem vector linha v e real
r tais que:
vf(x) = r para todo o x F;
vf(x) < 0 para todo o x (X \ F).
Suponha-se que f(F) tem dimensao k. Seja A(f(F), t) o menor espaco am
que contem f(F).
Como a dimensao de f(F) e k, entao existem k+1 elementos de f(F), sejam
eles f(x
0
), . . . , f(x
k
), tais que
() f(x
k
) f(x
0
), . . . , f(x
1
) f(x
0
)
141
sao linearmente independentes. Seja
f(u) =
1
k + 1
k
=0
f(x
).
Observe-se que f(u) f(X). Com efeito,
Af(u) =
1
k
k
=0
Af(x
) =
1
k
k
=0
1 = b
e f(u) 0. Mais ainda,
f(u) f(F)
pois vf(u) = r uma vez que vf(x
) = r para todo o = 0, . . . , k.
Seja M
M o conjunto de ndices de linhas de A activas para u, isto e, tais

que (Au)
i
= b
i
para qualquer i M
e (Au)
i
< b
i
para qualquer i (M \ M
).
Vai-se demonstrar, por contradicao, que M
= .
(a) M
= .
Suponha-se, por contradicao, que M
= . Entao, u + w X onde w R
n
e
vector de norma 1 qualquer, desde que seja vector nao nulo sucientemente
pequeno. Por outro lado, existe w vector com norma 1 tal que v(u +w) > r o
que e um absurdo.
(b) A
M
x = b
M
para todo o x F, isto e, F {u R
n
: A
M
u = b
M
}.
Comeca-se por observar que
A
M
x
= b
M
para qualquer = 0, . . . , k. Por outro lado, de (), conclui-se que os vectores

x
k
x
0
, . . . , x
1
x
0
sao linearmente independentes. Entao, pelo Exerccio 24, todo o elemento de
F se pode escrever como combinacao am de x
0
. . . x
k
. Logo,
x =
k
i=0
i
x
i
onde x X e

k
i=0

i
= 1, donde facilmente decorre a tese.
(c) M
= M
Vai-se demonstrar que existe = 0, . . . , k +1 tal que Ax
= b. Ou seja, existem
= 0, . . . , k + 1 e i = 1, . . . , m tais que (Ax
)
i
< b
i
. Com efeito, se nao fosse
o caso, todo o vector admissvel z era tal que Az = b e, entao, o problema de
optimizacao linear na forma canonica nao era puro o que contrariava a hipotese.
Assim,
(Au)
i
=
1
k + 1
k
=0
(Ax
)
i
< b
i
.
142
(d) dim{u R
n
: A
M
u = b
M
} k.
Com efeito, este conjunto tem um subconjunto de vectores linearmente inde-
pendentes com k elementos.
(e) carA
M
= n k.
Tem-se que
carA
M
n k.
Vai-se demonstrar que a caracterstica e n k por contradicao. Se
carA
M
< n k
entao, usando um raciocnio semelhante ao usado na prova da outra implicacao
do resultado, vinha que dimf(F) > k o que vai contra a hipotese.
Exerccio 29 Considere o problema seguinte na forma canonica:
_
_
max
x
2x
1
+x
2
x
1
x
2
1
x
1
+x
2
3
x
1
x
2
1
x
1
+x
2
1
x
1
0
x
2
0.
(a) Encontre os subconjuntos do conjunto admissvel correspondentes a vertices
e arestas do conjunto admissvel do problema equivalente na forma padrao res-
trita.
(b) Compare com os vertices e arestas obtidos no Exerccio 16.
Resolucao:
(a) Vertices
Para encontrar os vertices e necessario:
identicar as submatrizes 2 2 da matriz de restricoes do problema e ver
quais sao as que sao nao singulares. O n umero total destas submatrizes e
6;
para cada submatriz, identicar o conjunto M
{1, 2, 3, 4} dos ndices

das suas linhas;
resolver o sistema
A
M
x = b
M
o qual tem solucao unica;

vericar se existe i ({1, 2, 3, 4} \ M
) tal que A
i
x < b
i
sendo x a solucao
do sistema.
143
(1)
car
_
1 1
1 1
_
= 0
Logo, a matriz e nao singular.
(2)
car
_
1 1
1 1
_
= 0
O sistema
_
x
1
+x
2
= 3
x
1
x
2
= 1
tem como solucao (2, 1), donde se conclui que as linhas 2 e 3 sao activas para
(2, 1).
Tem-se ainda que para i = 1 se tem
2 1 < 1
donde se conclui que (2, 1) e vertice.
(3)
car
_
1 1
1 1
_
= 0
O sistema
_
x
1
x
2
= 1
x
1
+x
2
= 1
(0, 1).
1 < 3
(4)
car
_
1 1
1 1
_
= 0
O sistema
_
x
1
+x
2
= 3
x
1
+x
2
= 1
(1, 2).
3 < 1
144
(5)
car
_
1 1
1 1
_
= 0
O sistema
_
x
1
x
2
= 1
x
1
x
2
= 1
(1, 0).
1 < 3
(6)
car
_
1 1
1 1
_
= 0
Logo, a matriz e nao singular.
Arestas
Para encontrar as arestas e necessario:
para cada submatriz 1 2, identicar o ndice m
da respectiva linha;
o conjunto das solucoes do sistema
A
m
x = b
m
constitui uma potencial aresta;

vericar se existe i = m
tal que A
i
x < b
i
para alguma solucao x do
sistema.
Considere-se a linha 1. Entao, o conjunto
{x R
2
: x
1
x
2
= 1}
e potencial aresta. Considere-se o ponto z = (0, 1).

E solucao do sistema em
causa e
A
2
z = 1 < 3,
donde se conclui que e, de facto, aresta.
De modo semelhante se encontram as restantes tres arestas.
(b) Observe-se que o problema do Exerccio 16 (formulado na forma padrao)
e equivalente a menos de bijeccao canonica oo problema acima (formulado na
forma canonica). Logo, usando o Exerccio 28, conclui-se que:
(2, 1) = (2, 1, 2, 0, 0, 2);
(0, 1) = (0, 1, 0, 2, 0, 2);
145
(1, 2) = (1, 2, 2, 0, 2, 0);
(1, 0) = (1, 0, 0, 2, 0, 2);
sao vertices do problema na forma padrao (vericado directamente no Exerccio 16)
e, portanto, sao vectores basicos.
146
Captulo 17
Exerccios sobre dualidade
Exerccio 1 Demonstre a variante canonica do Lema de Farkas a partir da
variante pura.
Resolucao: O sistema Ax b tem solucao nao negativa se e so se o sistema
Ax b tem solucao (arbitraria), em que A e a matriz (m+n) n que se obtem
de A adicionando n linhas correspondentes à matriz I em que I e a matriz
identidade n n e b e o vector coluna de dimensao (m+n) que se obtem de b
adicionando n linhas nulas.
A variante pura do Lema de Farkas equivale a armar que Ax b tem
solucao (arbitraria) se e so se, para todo o w (R
+
0
)
m+n
, se w
T
A = 0
T
, entao
w
T
b 0.
Sejam w (R
+
0
)
m
e v (R
+
0
)
n
tais que w se obtem de w adicionando n
linhas correspondentes a v. Observe-se que
_
w 0
w
T
A = 0
T
se e so se
_
_
w 0
v 0
v
T
= w
T
A
se e so se
_
w 0
w
T
A 0
T
.
Note-se ainda que
w
T
b = w
T
b .
Assim da variante pura do Lema de Farkas, conclui-se que Ax b tem solucao
nao negativa se e so se, para todo o w (R
+
0
)
m
, se w
T
A = 0
T
, entao w
T
b 0.
Ou seja, conclui-se a variante canonica do Lema de Farkas.
147
148
Exerccio 2 Mostre que o dual do problema
_
_
min
x
cx
Ax = b
x 0,
e o problema
_
_
_
max
y
b
T
y
A
T
y c
T
.
Resolucao: Atendendo à Proposicao 1 do Captulo 4 e à denicao de problema
dual, ha que mostrar que o conjunto solucao R do problema dual e o conjunto
W = {w (R
+
0
)
n
: sup
x0
cx +w
T
(b Ax) = inf
y0
sup
x0
cx +y
T
(b Ax)}.
Considerem-se as aplicacoes:
h = y . b
T
y : R
m
R;
h
= y . sup
x0
cx +y
T
(b Ax) : R
m
R.
Note-se que
h
(y) = sup
x0
y
T
b + (c y
T
A)x = y
T
b + sup
x0
(c y
T
A)x.
(a) h(y) = h
(y) para y Y .
Como y Y entao c
T
A
T
y ou seja c y
T
A. Assim,
h
(y) = y
T
b + sup
x0
(c y
T
A)x = y
T
b = b
T
y = h(y).
(b) inf
yY
h
(y) = inf
yY
h(y).
(c) h
(y) = + para cada y que nao satisfaca A

T
y c
T
.
Basta observar que o conjunto {y
T
b + (c y
T
A)x : x 0} nao e limitado
superiormente para cada y que nao satisfaca A
T
y c
T
.
(d) inf
y0
h
(y) = inf
yY
h
(y)
Finalmente, R = W, pois:
R = {r Y : h(r) = inf
yY
h(y)}
= {r Y : h
(r) = inf
yY
h(y)} (a)
= {r Y : h
(r) = inf
yY
h
(y)} (b)
= {w (R
+
0
)
m
: h
(r) = inf
yY
h
(y)} (c)
= {w (R
+
0
)
m
: h
(r) = inf
y0
h
(y)} (d)
= W
149
Exerccio 3 Considere o problema de optimizacao linear na forma padrao na
forma restrita. Mostre que:
se existe um vector admissvel basico que seja degenerado, entao o pro-
blema e degenerado;
se b e combinacao linear, com coecientes nao negativos, de menos do que
m colunas (portanto, o problema e nao degenerado) e o funcional custo e
limitado inferiormente, entao existe vector admissvel basico degenerado.
Resolucao:
(1) Seja x X basico degenerado, isto e, tal que
#P
x
< m.
Entao,
A
P
x
x
P
x
= b
donde se conclui que b e combinacao linear das colunas de A
P
x
com coecientes
x
P
x
, donde se conclui que b e combinacao linear de menos do que m colunas da
matriz A.
(2) Suponha-se que b e combinacao linear de menos do que m colunas de A com
coecientes nao negativos. Seja b tal que
b =
i
1
a
i
1
+ +
i
k
a
i
k
com k < m e
i
0 para = 1, . . . , k. Logo, x R
n
tal que
x
j
=
_
j
se j {i
1
, . . . , i
k
}
0 caso contrario
e vector admissvel. Entao, usando a Proposicao 23 do Captulo 2, existe vector
admissvel basico com menor custo. Da prova deste resultado, conclui-se que
x e basico, onde x e tal que x {z X : cz cx} e nao existe elemento no
conjunto com mais componentes nulas. Como x {z X : cz cx}, entao
o n umero de zeros de x nao pode ser maior do que o n umero de zeros de x.
Portanto,
#P x #P
x
= k < m
e, consequentemente, x e degenerado.
_
_
min
x
2x
1
+x
2
x
1
x
2
+x
3
= 1
x
1
+x
2
+x
4
= 3
x
1
x
2
+x
5
= 1
x
1
+x
2
+x
6
= 1
x
1
, . . . , x
6
0.
Mostre que existe vector admissvel basico que e degenerado.
150
Resolucao:
Observe-se que
_
_
1
3
1
1
_
_
=
_
_
1
1
1
1
_
_
+ 2
_
_
0
1
0
0
_
_
+ 2
_
_
0
0
0
1
_
_
Logo, b e combinacao linear das colunas 1, 4, 6 e portanto de menos do que 4
colunas. Por outro lado, o funcional custo e limitado inferiormente por 1 em
X. Assim, usando o Exerccio 3, conclui-se que existe vector admissvel basico
degenerado. Observe-se que da combinacao linear encontrada, conclui-se que
x =
_
1
2
,
1
2
, 0, 2, 0, 0
_
X.
Entao, o vector
(0, 1, ?, ?, ?, ?) {z R
6
: cz cx}
pois 1 <
3
2
, quaisquer que sejam as quatro componentes nao especicadas.
Como dimX = 2, a existir, sera um vector unico x
X tal que x
1
= 0 e
x
2
= 1. Com efeito, existe e e x = (0, 1, 0, 2, 0, 2). Portanto,
x = (0, 1, 0, 2, 0, 2) {z X : cz cx}
e nao ha nenhum outro vector no conjunto com mais zeros, donde se comclui
que x basico e degenerado.
Exerccio 5 Sejam s solucao do problema
min
x
cx
com as restricoes Ax b e x 0 e r solucao do dual. Utilize o teorema da
complementaridade das folgas para mostrar que s e solucao do problema
min
x
cx r
T
Ax
com a restricao x 0.
Resolucao: Observe-se que s e solucao do problema seguinte:
_
_
max
x
cx
Ax b
x 0,
formulado na forma canonica e que r e solucao do respectivo dual:
_
_
min
y
b
T
y
A
T
y c
T
y 0.
151
Recorrendo ao Teorema da complementaridade das folgas tem-se
() 0 = d(s)
T
r = (b +As)
T
r
e
() 0 = e(r)
T
s = (A
T
r +c
T
)
T
s.
Tem-se de ()
cs r
T
As = (c r
T
A)s = (A
T
r +c
T
)
T
s = 0.
Resta ver que cs r
T
As e mnimo, isto e, que
cs r
T
As cx r
T
Ax
para qualquer vector x 0, ou seja que cxr
T
Ax 0. Com efeito, cxr
T
Ax =
(c r
T
A)x e como r e solucao do problema dual, entao
A
T
r c
T
donde
c
T
A
T
r 0,
ou seja
c r
T
A 0,
donde a tese pois x X.
Exerccio 6 Mostre que o dual do Problema 4.1 e o problema:
_
_
min
y
b
T
y
A
T
y c
T
y 0
Resolucao: Tem de se mostrar que o conjunto solucao R do problema dual e
o conjunto
W = {w (R
+
0
)
n
: sup
x0
cx +z
T
(b Ax) = inf
y0
sup
x0
cx +y
T
(b Ax)}.
Considerem-se as aplicacoes:
h = y . b
T
y : R
m
R;
h
= y . sup
x0
cx +y
T
(b Ax) : R
m
R.
Note-se que
h
(y) = sup
x0
y
T
b + (c y
T
A)x = y
T
b + sup
x0
(c y
T
A)x.
(a) h(y) = h
(y) para y Y .
152
Como y Y entao c
T
A
T
y ou seja c y
T
A. Assim,
h
(y) = y
T
b + sup
x0
(c y
T
A)x = y
T
b = b
T
y = h(y).
(b) inf
yY
h
(y) = inf
yY
h(y).
(c) h
(y) = + para y / Y .
Basta observar que o conjunto {y
T
b + (c y
T
A)x : x 0} nao e limitado
superiormente para y / Y .
(d) inf
y0
h
(y) = inf
yY
h
(y)
Finalmente, R = W, pois:
R = {r Y : h(r) = inf
yY
h(y)}
= {r Y : h
(r) = inf
yY
h(y)} (a)
= {r Y : h
(r) = inf
yY
h
(y)} (b)
= {w (R
+
0
)
m
: h
(r) = inf
yY
h
(y)} (c)
= {w (R
+
0
)
m
: h
(r) = inf
y0
h
(y)} (d)
= W
Exerccio 7 Interprete o dual do problema do Exemplo 1 do Captulo 1.

Resolucao: O problema dual e o seguinte:
_
_
max
y
b
T
y
A
T
y c
T
y 0
Este problema admite a seguinte interpretacao: a concorrencia tem um esquema
de precos que consiste em fornecer uma dieta nutricionalmente equilibrada, sem
especicar a origem dos nutrientes, cobrando, um preco y
i
por cada de unidade
do nutriente i. Obviamente, pretende maximizar o seu lucro. No entanto, para
alem da restricao natural y 0, existe a seguinte: cada alimento tem custo por
unidade c
j
, e, portanto, para o negocio se concretize e necessario que o preco de
um equivalente sintetico, que e (y
T
A)
j
, lhe seja inferior. Caso contrario, pelo
menos uma parte da dieta poderia ser obtida à custa dos alimentos j tais que
(y
T
A)
j
> c
j
, diminuindo o custo total.
_
_
min
x
2x
1
+x
2
x
1
x
2
+x
3
= 1
x
1
+x
2
+x
4
= 3
x
1
x
2
+x
5
= 1
x
1
+x
2
+x
6
= 1
x
1
, . . . , x
6
0.
153
(a) Dena o problema dual.
(b) Encontre solucao do problema dual.
(c) Verique se as solucoes do problema original e do seu dual sao unicas.
Exerccio 9 Considere o problema de optimizacao na forma canonica e o pro-
blema equivalente a menos de bijeccao linear na forma padrao. Relacione os
respectivos problemas duais.
{x R
n
: Ax b} = se e so se {y R
m
: yA = 0, yb < 0, y 0} = .
Resolucao:
()
O resultado vai ser demonstrado por contra-recproco. Suponha-se que
() {y R
m
: yA = 0, yb < 0, y 0} = .
Como v = 0 satisfaz vA = 0 e v 0, entao o problema de optimizacao linear
_
_
min
y
yb
yA = 0
y 0
tem v como solucao. Com efeito, se y e admissvel entao yA = 0 e y 0. Logo,
por (), yb 0. Recorrendo ao Teorema da dualidade forte, infere-se que o
problema dual
_
max
x
0x
Ax b
tambem tem solucao, donde {x R
n
: Ax b} = .
()
O resultado vai ser demonstrado por contradicao. Suponha-se que
{y R
m
: yA = 0, yb < 0, y 0} = ;
{x R
n
: Ax b} = .
Entao, existem y R
m
e x R
n
tais que yA = 0, yb < 0, y 0 e Ax b.
Logo,
0 = yAx yb < 0
o que e uma contradicao.
154
Captulo 18
Exerccios sobre algoritmia
_
_
min
x
3x
1
+ 3x
2
+ 2x
3
x
1
+ 2x
2
+ 3x
3
= 3
4x
1
+ 5x
2
+ 6x
3
= 9
x
1
, x
2
, x
3
0.
(a) Escreva o problema em forma matricial, usando A para a matriz de res-
tricoes, b para o vector de requisitos e c para o vector objectivo.
(b) Mostre que esta nas condicoes de aplicacao do algoritmo do simplexo.
(c) Mostre que o vector x = (1, 1, 0) e admissvel e basico.
(d) Formule o problema dual.
(e) Mostre, sem usar a correccao do algoritmo r, que se tem
1
:
(1) { true } r(A, b, c, x)
_
s =
_
3
2
, 0,
1
2
_
b = 1 s S
_
;
(2) [true, r(A, b, c, x)].
Resolucao:
(a) O problema em causa e
_
_
min
x
cx
Ax = b
x 0,
em que
A =
_
1 2 3
4 5 6
_
b =
_
3
9
_
c = [3 3 2].
1
Comece por recordar a semantica das assercoes de correccao parcial e de terminacao da
versao enriquecida do calculo de Hoare apresentada no Captulo 15 de [16].
155
156
(b) Ha que vericar quatro propriedades:
(i) O n umero de linhas da matriz A e menor do que o n umero de colunas, o que
se verica pois 2 < 3.
(ii) carA = 2. Basta vericar que as duas linhas da matriz A sao linearmente
independentes. Com efeito, suponha-se que
1
_
_
1
2
3
_
_
+
2
_
_
4
5
6
_
_
= 0.
Entao,
_
1
+ 4
2
= 0
2
1
+ 5
2
= 0
3
1
+ 6
2
= 0,
donde se conclui que a unica solucao e
1
=
2
= 0.
(iii) b 0 o que acontece pois b
1
= 3 0 e b
2
= 9 0.
(iv) b nao e combinacao linear de menos do que 2 colunas. Com efeito, nao
existe tal que
_
1
4
_
=
_
3
9
_
,
pois teria de ser = 3 e =
9
4
, o que e impossvel. De modo semelhante se
verica que nao existe tal que
_
2
5
_
=
_
3
9
_
nem tal que
_
3
6
_
=
_
3
9
_
.
(c) (1, 1, 0) e vector admissvel, pois todas as componentes sao nao negativas e
sao satisfeitas as duas restricoes. Mais ainda, o vector e basico, pois a matriz
A
{1,2}
=
_
1 2
4 5
_
e nao singular porque o seu determinante tem valor
(1 5) (4 2) = 3
nao nulo e x
3
= 0, donde se conclui que {1, 2} e base para o vector (1, 1, 0).
(d) O problema dual e o seguinte:
max
y
[3 9] y
com
_
_
1 4
2 5
3 6
_
_
y
_
_
3
3
2
_
_
.
157
(e1) { true } r(A, b, c, x)
_
s =
_
3
2
, 0,
1
2
_
, b = 1
_
.
Pretende-se vericar que, seja qual for o estado inicial das celulas de memoria,
se a execucao do algoritmo r(A, b, c, x) terminar, entao no estado nal a solucao
(
3
2
, 0,
1
2
) esta memorizada em s e b tem valor 1. Com efeito,
{ true } 1; 2; 3 { x = (1, 1, 0) P = {1, 2} y = (1, 1) } ,
pois, em particular, o vector colocado na celula y e obtido resolvendo o sistema
de equacoes
_
y
1
+ 4y
2
= 3
2y
1
+ 5y
2
= 3.
Observe-se ainda que
{ true } 1; 2; 3
_
A
T
y c
T
_
,
pois
a
3
y = 3y
1
+ 6y
2
= 3 + 6 = 3 2.
O facto de A
T
y c
T
indica que o vector guardado em y nao e vector admissvel
do problema dual. Ou seja, tem-se:
{ true } 1; 2; 3 { y Y } .
Denote-se por C a condicao
x = (1, 1, 0) P = {1, 2} y = (1, 1)
e por C
a condicao
k = 3 t =
_
_
1
2
1
_
_
j = 2 o =
1
2
x =
_
_
3
2
0
1
2
_
_
.
Entao:
_
_
_
{ C } 4 { C
}
C
(x e basico cx < cx).

Com efeito, em 4(a) a escolha do valor 3 de k e unica pois a
1
y 3 e a
2
y 3.
Em 4(b), e dado o valor 1 a t
3
e o valor de t
{1 2}
e obtido de
1
3
_
5 2
4 1
_
_
3
6
_
.
Em 4(c)i ca xado o valor
1
2
de o e em 4(c)ii a escolha do valor de j e unica,
pois so uma das componentes de t e positiva.
Por outro lado, facilmente se verica que o vector
_
3
2
, 0,
1
2
_
e admissvel. Mais
ainda, e basico pois a matriz
A
{1,3}
=
_
1 3
4 6
_
158
e nao singular porque o seu determinante e nao nulo e x
2
= 0, donde se conclui
que {1, 3} e base para o vector
_
3
2
, 0,
1
2
_
.
Finalmente, tem-se
cx =
11
2
< 6 = cx.
A execucao de 4(c)iv leva a que seja repetido o corpo
2; 3; 4
do ciclo. Recorde-se que a condicao C
se verica no nal da primeira execucao

do corpo do ciclo e que, portanto, se verica no incio da segunda execucao
deste. Mais, tem-se:
{ C
} 2; 3
_
P = {1, 3} y =
_
5
3
,
7
6
_ _
,
pois o vector colocado na celula y e obtido resolvendo o sistema de equacoes
_
y
1
+ 4y
3
= 3
3y
1
+ 6y
3
= 2.
Portanto,
{ C
} 2; 3
_
A
T
y c
T
_
.
Por outras palavras, apos a segunda execucao do comando 3, o valor de y e
vector admissvel para o problema dual.
Finalmente, obtem-se
_
P = {1, 3} y =
_
5
3
,
7
6
_ _
4
_
s =
_
3
2
, 0,
1
2
_
b = 1 s S
_
,
pois, como a guarda de 4 e verdadeira, a computacao termina com a execucao
do comando
(b, s) := (1, x)
e
b
T
y = [3 9]
_

5
3
7
6
_
=
11
2
= cx,
donde pelo Criterio de optimalidade se conclui que x S.
(e2) [true, r(A, b, c, x)].
a execucao de r(A, b, c, x) termina. Com efeito, como se viu em (e1), o corpo do
ciclo e executado apenas duas vezes, terminando a computacao com a execucao
do comando
(b, s) := (1, x)
apos a segunda avaliacao da guarda do comando 4.
159
_
_
min
x
x
1
+x
2
3x
3
x
1
+ 2x
2
3x
3
= 4
4x
1
+ 5x
2
9x
3
= 13
x
1
, x
2
, x
3
0.
(a) Escreva o problema em forma matricial, usando A para a matriz de res-
tricoes, b para o vector de requisitos e c para o vector objectivo.
(b) Mostre que esta nas condicoes de aplicacao do algoritmo do simplexo.
(c) Mostre que o vector x = (2, 1, 0) e admissvel e basico.
(d) Formule o problema dual.
(e) Mostre, sem usar a correccao do algoritmo r, que se tem:
(i) { true } r(A, b, c, x)
_
b = 0 {x t : > 0} X inf
v{xt:>0}
cv =
_
.
(ii) [true, r(A, b, c, x)].
Resolucao:
(a) O problema em causa e
_
_
min
x
cx
Ax = b
x 0,
em que
A =
_
1 2 3
4 5 9
_
b =
_
4
13
_
c = [1 1 3].
(b) Ha que vericar quatro propriedades:
(i) O n umero de linhas da matriz A e menor do que o n umero de colunas, o que
se verica pois 2 < 3.
(ii) carA = 2. Basta vericar que as duas linhas da matriz A sao linearmente
independentes. Com efeito, suponha-se que
1
_
_
1
2
3
_
_
+
2
_
_
4
5
9
_
_
= 0.
Entao,
_
1
+ 4
2
= 0
2
1
+ 5
2
= 0
3
1
9
2
= 0,
160
donde se conclui que a unica solucao e
1
=
2
= 0.
(iii) b 0 o que acontece pois b
1
= 4 0 e b
2
= 13 0.
(iv) b nao e combinacao linear de menos do que 2 colunas. Com efeito, nao
existe tal que
_
1
4
_
=
_
4
13
_
,
pois teria de ser = 4 e =
13
4
, o que e impossvel. De modo semelhante se
verica que nao existe tal que
_
2
5
_
=
_
4
13
_
nem tal que
_
3
9
_
=
_
4
13
_
.
(c) (2, 1, 0) e vector admissvel, pois todas as componentes sao nao negativas e
sao satisfeitas as duas restricoes. Mais ainda, o vector e basico, pois a matriz
A
{1,2}
=
_
1 2
4 5
_
e nao singular porque o seu determinante tem valor
(1 5) (4 2) = 3
nao nulo e x
3
= 0, donde se conclui que {1, 2} e base para o vector (1, 1, 0).
(d) O problema dual e o seguinte:
max
y
[4 13] y
com
_
_
1 4
2 5
3 9
_
_
y
_
_
3
3
2
_
_
.
(e1) { true } r(A, b, c, x)
{ b = 0 custo nao limitado inferiormente em {x t : > 0} X }.
se a execucao do algoritmo r terminar, entao no estado nal b tem valor 0 e o
funcional custo nao e limitado inferiormente no segmento indicado. Com efeito,
{ true } 1; 2; 3
_
x = (2, 1, 0) P = {1, 2} y =
_
1
3
,
1
3
_ _
,
pois, em particular, o vector colocado na celula y e obtido resolvendo o sistema
de equacoes
_
y
1
+ 4y
2
= 1
2y
1
+ 5y
2
= 1.
161
Observe-se ainda que
{ true } 1; 2; 3
_
A
T
y c
T
_
,
pois
a
3
y = 3y
1
9y
2
= 3
1
3
9
1
3
= 2 3.
O facto de A
T
y c
T
indica que o vector guardado em y nao e vector admissvel
do problema dual. Ou seja, tem-se:
{ true } 1; 2; 3 { y Y } .
Denote-se por C a condicao
x = (2, 1, 0) P = {1, 2} y =
_
1
3
,
1
3
_
e por C
a condicao
k = 3 t =
_
_
1
1
1
_
_
.
Entao:
_
_
{ C } 4(a); 4(b) { C
}
C
_
{x t : > 0} inf
v{xt:>0}
cv =
_
.
Com efeito, em 4(a) a escolha do valor 3 de k e unica pois a
1
y 1 e a
2
y 1.
Em 4(b), e dado o valor 1 a t
3
e o valor de t
{1 2}
e obtido de
1
3
_
5 2
4 1
_
_
3
9
_
.
Tem-se:
cw
= c(x t) = [1 1 3]
_
_
2 +
1 +
_
_
= 3 < 3,
donde se conclui que cw
tende para quando tende para , ou seja

inf
v{xt:>0}
cv = .
Finalmente,
_
_
{ C
} 4(c) { b = 0 }
t 0
_
{x t : > 0} X inf
v{xt:>0}
cv =
_
.
162
O valor de b resulta da execucao do comando 4(c). Resta ver que xt X para
t 0, pois, ja se viu acima que o funcional custo nao e limitado inferiormente
em {x t : > 0}. Com efeito,
x t 0
pois x X e, logo, x 0 e > 0.
Mais ainda,
A(x t) =
_
1 2 3
4 5 9
_
_
_
2 +
1 +
_
_
=
_
4
13
_
= b.
(e2) [true, r(A, b, c, x)].
Pretende-se vericar que, seja qual for o estado inicial, a execucao de r termina.
Com efeito, como se viu em (e1), o corpo do ciclo de r e apenas executado uma
vez, terminando a computacao com a execucao do comando
b := 0
apos a avaliacao da guarda do comando 4(c).
Bibliograa
[1] D. Alevras and M. W. Padberg. Linear Optimization and Extensions.
UTX. Springer, 2001. Problems and solutions.
[2] L. Brickman. Mathematical Introduction to Linear Programming and Game
Theory. Undergraduate Texts in Mathematics. Springer, 1989.
[3] J. Carmo, A. Sernadas, C. Sernadas, F.M. Dionsio, and C. Caleiro. In-
troducao à Programacao em Mathematica Segunda Edicao. IST Press,
Lisboa, 2004.
[4] G. B. Dantzig. Linear Programming and Extensions. Princeton Landmarks
in Mathematics. Princeton University Press, reprint of the 1968 corrected
edition, 1998.
[5] Ivar Ekeland and Roger Temam. Convex Analysis and Variational Pro-
blems, volume 28 of Classics in Applied Mathematics. Society for Industrial
and Applied Mathematics (SIAM), english edition, 1999. Translated from
the French.
[6] J. C. Ferreira. Introducao à Analise em R
n
. Departamento de Matematica,
IST, UTL, Lisboa, 2004.
[7] J. C. Ferreira. Introducao à Analise Matematica. Fundacao Calouste Gul-
benkian, 2005 (8a. edicao).
[8] J. N. Franklin. Methods of Mathematical Economics, volume 37 of Classics
in Applied Mathematics. Society for Industrial and Applied Mathematics
(SIAM), 2002. Reprint of the 1980 original.
[9] D. A. Gomes. Calculo de Variacoes e Equacoes Diferenciais Parciais. De-
partamento de Matematica, IST, UTL, Lisboa, em preparacao.
[10] L. T. Magalhaes.

Algebra Linear como Introducao à Matematica Aplicada.
Texto Editora, Lisboa, 2001.
[11] J. Matousek and B. Gartner. Understanding and Using Linear Program-
ming. UTX. Springer, 2007.
[12] M. Padberg. Linear Optimization and Extensions, volume 12 of Algorithms
and Combinatorics. Springer, expanded edition, 1999.
163
164
[13] P. Pedregal. Introduction to Optimization, volume 46 of Texts in Applied
Mathematics. Springer, 2004.
[14] R. T. Rockafellar. Convex Analysis. Princeton Mathematical Series, No.
28. Princeton University Press, 1970.
[15] A. Sernadas and C. Sernadas. Fundamentos de Logica e Teoria da Com-
putacao. Departamento de Matematica, IST, UTL, Lisboa, 2006.
[16] A. Sernadas, C. Sernadas, and J. Ramos. Programacao em Mathema-
tica. Departamento de Matematica, IST, UTL, Lisboa. Acessvel em
http://slc.math.ist.utl.pt/courses/epfolhas03.html, 1996-2003.
[17] S. J. Wright. Primal-Dual Interior-Point Methods. Society for Industrial
and Applied Mathematics (SIAM), 1997.

IO - 2007.06.12 (Em Português)

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

IO - 2007.06.12 (Em Português)

Enviado por

Direitos autorais:

Formatos disponíveis

Introducao `a Optimizacao

da mesma dimensao m signica que v

= b Ax. Logo, Af(x) = Af(x)

. Com efeito, x 0 porque x 0. Mais ainda, Ax = b conclui-se

> cs, pois cc

0, pois s > 0 e, portanto, e possvel escolher tal que s + c

b, pois As < b e, logo, e possvel escolher tal que As +Ac

X e, por 1, s nao e solucao. QED

Os exerccios seguintes mostram que as nocoes de interior e de fronteira do

. Entao, o espaco am A(V, t) coincide com o conjunto das solucoes do

, isto e, tal que:

= B. Note-se que existe j tal que

\ B, pois, caso contrario, B tambem seria base de z, o que

No seguimento, denota-se por Y e R, respectivamente, o conjunto admissvel

), qualquer que seja y

), qualquer que seja y

, qualquer que seja y

, qualquer que seja y

cx, qualquer que seja x

Exerccio 19 Mostre que o dual do problema 4.8 e o problema

No seguimento, X, S, Y e R denotam os conjuntos admissvel e solucao do

No contexto do problema na forma padrao restrita 4.8, a hipotese de nao

Exerccio 29 Sejam s solucao do problema

m de componentes nao negativas tal que A

Semantica da LSI Dado vector coluna u R

) conclui-se que existe D matriz

m de componentes nao negativas tal que A

U, o desideratum decorre da convexidade da restricao de f a U.

E(A) e [0, 1]. Ha que vericar que b

) cuja existencia decorre de b, b

V (A, c) \ {v}), o conjunto

sucientemente pequenas. Sejam s

e aproximacao linear da unica solucao do problema 6.5;

e aproximacao linear da unica solucao do dual do problema 6.5;

tal que para cada N se tenha:

escolhidos de modo a que d

e vector admissvel basico do problema de optimizacao

0, termina num n umero nito de passos com:

= x t para cada real . Entao, para cada j N, tem-se:

. Mais, apos a atribuicao 3 tem-se

, recorrendo ao Criterio de optimalidade, conclui-

x para todo o > 0 e o custo nao e

como combinacao linear das colunas de A

para todo o > 0:

x decorre de (Ib) e do facto de, apos a atribuicao 4(c)iii,

, pois,como se viu em (I), A

atendendo a que o > 0.

= , entao a execucao termina num n umero nito de passos com

x nao e limitada inferiormente em X

(o qual e nao vazio por o vec-

) e sabe-se, ainda, que Y

= , a guarda de 4 e sempre falsa. Entao, em cada iteracao existe k

, como se viu em (Ib) e (Ic).

= , entao a execucao termina num n umero nito de passos com

, como se viu em (Ia). QED

Figura 15.3: Conjunto admissvel do problema do Exerccio 3.

Figura 15.4: Problema do Exerccio 3(i) sem solucao.

Exerccio 4 Mostre que o conjunto admissvel para o problema de optimizacao

Exerccio 8 Mostre que e fechada a interseccao de dois conjuntos fechados.

(x), entao Ay Ax < . Resta vericar que todo o elemento y da bola

(x) esta em X. Com efeito, de Ay Ax < conclui-se

(x). Por hipotese, x v X e x +v X. Logo,

Exerccio 10 Considere-se o problema de optimizacao linear na forma padrao