Escolar Documentos
Profissional Documentos
Cultura Documentos
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
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 `a justaposicao vertical da matriz
A com a matriz A (isto e, com elemento generico a
ij
);
b R
2m
que corresponde `a 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
{cx : x X} se e so se
cs = min
x
{cx : x X} se e so se
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 `a justaposicao horizontal da
matriz A com a matriz identidade mm;
c e o vector linha correspondente `a 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 `a 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)
+ 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
+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 `a 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 `a 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
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) < .
Exerccio 5 Mostre que a aplicacao f : R
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
.
(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.
Proposicao 15 Sejam U R
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 `a 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 `a 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 `a 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 `a 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 `a justaposicao horizontal da
matriz A com a matriz identidade mm;
25
c e o vector linha correspondente `a 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
_
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
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 `a
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. 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
Proposicao 20 Sejam U R
n
fechado nao vazio e v R
n
. Entao, existe pelo
menos um ponto de U que esta `a 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 `a
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.
Proposicao 22 Sejam U R
n
cone convexo e v R
n
. Entao, existe pelo
menos um ponto de U que esta `a 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) `a 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 `a 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 `a 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);
2. existe vector linha w R
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
);
2. existe vector linha w R
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;
2. existe vector linha w R
m
tal que wA 0
T
e wb < 0, caso em que X e
vazio.
Proposicao 29 (Variante canonica do Lema de Farkas)
Sejam A matriz m n e vector coluna b R
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 `a 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
`a 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 `a 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
);
2. existe vector linha w R
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)
Y. Assim,
sup
xX
inf
yY
L(x, y) sup
xX
L(x, 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
Y ;
2. cx
b
T
y, qualquer que seja x
X.
Ou seja:
1. b
T
y b
T
y
Y ;
2. cx
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 = .
2. X = e Y = , caso em que:
S = e R = ;
o funcional objectivo do problema canonico nao e limitado superior-
mente em X.
3. X = e Y = , caso em que:
46
S = e R = ;
o funcional objectivo do problema dual nao e limitado inferiormente
em Y .
4. X = e Y = , caso em que:
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 `as 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)
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.
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
.
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)
Sejam A matriz m n e vector coluna b R
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
= 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 .
x b
), entao u (A
x b
).
57
Prova: Da hipotese (Ax b) (A
x b
= 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)
Sejam A matriz m n e vector coluna b R
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
Proposicao 4 Seja U R
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.
Proposicao 7 Seja U R
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
Proposicao 8 Sejam U R
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
= b+(1)b
E(A), ou seja, X(A, b
) = .
Sejam x X(A, b) e x
X(A, 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 `a
variavel z R
2m
e `a 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 `a 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 (
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
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
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 `a 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 `a 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 `a 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 `a Proposicao 7 e `a 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
= 1;
n
d
= 2m
d
;
m
d
=
_
2
, o que garante |d
|
b
;
A
d
, b
d
, c
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 `a 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 `a 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
, b
, c
em
que b
, 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 `a 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
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
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
.
(Ib) Apos a atribuicao 4(b), c
< c
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
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
= 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
, 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
x = A
w
o
= b
x
j
t
j
t
j
= 0.
(II) Se S
:
Neste caso, usando o Teorema forte da dualidade, sabe-se que a aplicacao
x. c
estar em X
= .
Como Y
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
:
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
_
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-
tricoes da alnea (a).
(c) Resolva o problema de maximizacao do funcional x. x
1
+ x
2
com as res-
tricoes da alnea (a).
(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
_
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
_
_
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
Exerccio 6 Mostre que a aplicacao f : R
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.
Exerccio 7 Mostre que a aplicacao f : R
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
= .
(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) 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
_
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
`a 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
. 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 `a 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
.
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
+ (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
> 0, para qualquer y (X \ {v
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
> 0, para qualquer y (X \ {v
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
> 0, para qualquer y (X \ {v
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
> 0, para qualquer y (X \ E
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
> 0, para qualquer y (X \ E
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
> 0, para qualquer y (X \ E
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.
Exerccio 19 Seja U R
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)
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.
Exerccio 20 Seja U R
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 `a 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.
=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
=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
Exerccio 25 Mostre que
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
).
=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
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
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
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
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
) 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
tem como solucao (0, 1), donde se conclui que as linhas 1 e 4 sao activas para
(0, 1).
Tem-se ainda que para i = 2 se tem
1 < 3
donde se conclui que (0, 1) e vertice.
(4)
car
_
1 1
1 1
_
= 0
O sistema
_
x
1
+x
2
= 3
x
1
+x
2
= 1
tem como solucao (1, 2), donde se conclui que as linhas 2 e 3 sao activas para
(1, 2).
Tem-se ainda que para i = 1 se tem
3 < 1
donde se conclui que (1, 2) e vertice.
144
(5)
car
_
1 1
1 1
_
= 0
O sistema
_
x
1
x
2
= 1
x
1
x
2
= 1
tem como solucao (1, 0), donde se conclui que as linhas 1 e 3 sao activas para
(1, 0).
Tem-se ainda que para i = 2 se tem
1 < 3
donde se conclui que (1, 0) e vertice.
(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
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 `a 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 `a Proposicao 1 do Captulo 4 e `a 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) = 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.
Exerccio 4 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.
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
_
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 `a custa dos alimentos j tais que
(y
T
A)
j
> c
j
, diminuindo o custo total.
Exerccio 8 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.
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.
Exerccio 10 Mostre que
{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
Exerccio 1 Considere o problema de optimizacao linear seguinte:
_
_
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
_
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
} 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)].
Pretende-se vericar que, seja qual for o estado inicial das celulas de memoria,
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
Exerccio 2 Considere o problema de optimizacao linear seguinte:
_
_
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 }.
Pretende-se vericar que, seja qual for o estado inicial das celulas de memoria,
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
_
{ 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 `a 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 `a Analise em R
n
. Departamento de Matematica,
IST, UTL, Lisboa, 2004.
[7] J. C. Ferreira. Introducao `a 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 `a 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.