2.3.1
11
12
2.4.1
Caracterizaca~o de Vertices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
15
2.4.2
17
17
2.5.1
20
22
25
3.3
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
26
3.3.1
29
3.3.2
31
32
Indice Remissivo
38
Cap
tulo 2
Denic~ao 2.1 Diz-se que P e um poliedro 1 se P coincide com a intersecc~ao de um numero nito de hiperplanos 2 e semi-espacos .
Esta denica~o algebricamente caracteriza poliedro como a soluca~o de um sistema linear com um numero nito
de equaco~es e inequaco~es. (Cada equaca~o do sistema linear dene um hiperplano e cada inequaca~o um semi> dg .
espaco.) Assim, um exemplo de poliedro e o conjunto Y = fy 2 IRn = Ay = b e By =
Note que a omiss~ao do qualicador \nito" na denica~o acima, levar-nos-ia a classicar crculos como
poliedros.
Uma classe particular de poliedros e a dos polgonos (supostos limitados). Uma pergunta interessante e
como caracterizar polgonos no IR2 (ou poliedros limitados \usuais" no IR3 ), usando o mnimo de informaca~o
possvel.
1 Alguns autores usam esta denica~o e seguem com a denica~o \politopo e poliedro limitado". Outros autores usam a denica~o
acima para politopos e denem \poliedro e um politopo limitado". Optamos pela denica~o acima e a n~ao dar nome especco a
poliedros limitados
2 A denica~o que adotaremos de hiperplano aqui, em texto de Algebra
Linear, deveria ser chamado de hiperplano am: Hc ; :=
fx 2 IR : c0x = g.
16 de agosto de 2007 3
No caso do tri^angulo ABC da gura 2.1.(a), o tri^angulo e univocamente determinado pelos vertices. Ja
o pentagono DEF GH n~ao esta univocamente determinado pelo conjunto de seus vertices, como pode ser visto
nas guras 2.1.(b);2.1.(c) e 2.1.(d). A resposta \natural" de que um polgono e determinado pelos seus vertices,
e valida se considerarmos implicitamente polgonos convexos. Ou seja, se eliminarmos os casos de polgonos
com pontas protuberantes ou \vazios" internos.
E
s
...s
..
...
..
...
...
..
...
..
...
..
...
.
.
...
.
...
..
...
...
..
...
..
...
..
...
..
...
.
.
...
.
...
..
...
... ...
... .
... ..
....s
..s
.s
..
...
..
...
..
...
..
...
..
...
...
..
.
.
..
...
.
..
.
.
..
...
.
..
.
.
..
...
.
..
.
.
..
...
.
.
..
s
.
..
....
..
....
..
....
..
..
....
..
....
..
....
..s
....
..
....
....
.....
.
.
....
....
.
.
.
....
.
....
....
.
.
.
.
....
...
....
.....
....
.....
....
.....
....
.....
....
.....
....
.
.
.
.
.
....
.... ........
.....s
..
(a)
(b)
.s
.s
.
.....
......
.... ..
.. ...
.... ....
.. ..
.. ....
....
..
..
....
..
..
.
.
.
..
..
.
...
..
..
..
....
..
..
..
....
..
..
..
..
..
....
.
.
.
.
.
..
.
..
.
...
..
.
.
.
.
.
.
..
..s
..
....
..
..
..
.
....
..
..
.
....
.
..
.
.
..
....
..
..
..
....
..
.
..
....
..
..
..
....
..
.
..
.
...s
....
.
.
.
....
..
.
.....
....
.
.
.
.
.
.
..
....
....
.
..
..
.
....
.
.
.
..
....
....
.
..
.
..
.
....
.
.
...
..
.
....
.
..
.....
....
.....
..
.... ....
.....
.... .. ...
.....
.... .. ..
.... .. .. .........
...... . ....
............
.......
s
(c)
...s
.s
.........
........
.. .....
....... ...
......
.. .....
..
.....
.......
..
.................
..
..
.
.
.
.
..
.
.. ............ .........
..
.....
.....
..
.....
.........
..
.....
...... ....
..... ...
.......
..
.......
.......
.
.
.
.
.
.
.
..
.
......
.....s
.
.........
.............
............. ...
.. .........
..............
.....
..
.................
.....
............. ...
..
..
...............
..
............. .........
.
..
..................
.
..
.
.......s
.
..
..
..
.
..
..
..
.
..
..
.
..
.
..
..
..
..
..
.. ...
.. .
.. ..
.. ..
.. ..
....s
.
(d)
.... .
..... ....
..... ........
.....
.
.....
..
.....
.
.
.
..
.
..
....
........... ...... ..... ....... ..
...s
. ..........
..... .
.
.
.
.
.
.
.
...
..
.
.....
.....
.
..
.s
.
.
.
.....
.
.
........
..
.
....
. ...
....
. .
....
. ..
s
....
..
....
.
..............
.
....
..
.......
.. .
....
.....
.....
....
.. ..
.
.
.
.
.
..
....
.
.
.....
....
..
. ..s
.....
....
..
...
.... ...
...........
.... .. ..............
.............
.s
..
(b a )
16 de agosto de 2007 4
(viii) A bola (aberta ou fechada) de centro x (x 2 IRn ) e raio r (r > 0), denotada B (x ; r) (ou B [x ; r]).
Todos estes exemplos s~ao de facil vericaca~o ou ate mesmo uma armaca~o e caso particular de outra
(por exemplo, (iii) implica (i) e (ii)). Por utilizarem argumentos usuais e para exemplicar provas derivadas
diretamente da denica~o, provaremos os exemplos (iii), (vii) e (viii).
(iii) Todo subespaco linear L e convexo.
Como L e fechado em relaca~o a multiplicaca~o por escalar e a soma,
( a)
Mais ainda
(por linearidade)
(pois x i 2 X =) Ax i = b ; i = 1; 2)
( c)
x k =< rg e convexa.
Sejam (x 1 ;xx2 ) 2 B (x ; r) B (x ; r) e 2 [0; 1]
kxx1 + (1 )x2 xk
= kxx1 + (1 )x 2
1
<
x )k + k(1
= k(x
<
kr
= k k r + k1
= r
xx (1 )x k
)(x 2 x )k
portanto B (x ; r) e convexa.
Uma forma mais simples de derivar resultados e provar convexidade de conjuntos e usar propriedades de
convexos. Vejamos algumas destas propriedades:
)x 2 ) 2 D =
i
i2I A ,
3 Os unicos conjuntos convexos n~ao vazios e enumeraveis s~ao os conjuntos unitarios, i.e, aqueles formados por um unico elemento.
16 de agosto de 2007 5
1) A e B convexos 6) A B convexo.
Basta tomar A = fx g e B = fy g com x 6= y .
2) A convexo 6) complemento de A e convexo.
Basta tomar A = f0 g.
temos que
xx1 + (1 )x 2
16 de agosto de 2007 6
Uma particular classe de conjuntos convexos que ser~ao uteis em nosso estudo e a dos cones convexos.
Inicialmente denamos cones:
Denic~ao 2.3 B
IRn
e dito ser um cone se, e somente se for fechado em relac~ao a multiplicac~ao por
> 0; 8b 2 B; (b) 2 B:
escalar n~ao negativo, i.e, 8 =
De modo analogo a caracterizaca~o de convexidade por segmentos, semi-retas com incio na origem fornecem uma caracterizaca~o geometrica para cone, pois um conjunto e cone se, e somente se, ele contem toda
semi-reta iniciada na origem e passando por um de seus pontos. Vejamos alguns exemplos e propriedades
interessante de cones.
Denic~ao 2.4 Dado A IRn ; A n~ao vazio, denimos cone gerado por A, denotado C (A), como
C (A) := fx 2 IRn = 9(a ; ) 2 A IR+ : x = aag .
Em termos geometricos, o cone gerado por A e a uni~ao de todas as semi retas iniciando na origem e
passando por algum ponto de A. Se A for um conjunto convexo, vale a propriedade:
Como C e gerado por A, devem existir (a 1 ;aa2 ) 2 A A e (1 ; 2 ) 2 IR+ IR+ para os quais:
c 1 = 1a 1 ;
c 2 = 2a 2 :
(2.1)
(2.2)
16 de agosto de 2007 7
c 1 = 1 a 1
..
... .
........ .
. ..
..
.s
..
.
.......
..
......... .
..
.
.
..
.
.
..
..
.
.
.
.
..
..
.
.. ..
.
.
.
.. ...
.
.
.s
.. ..
.
..............
.s ..
.
.
.
.
.
..
.... .
.....
.
.
.
........ ...s
.
. . ..
.....
.
.
.
.
.
.
. . .
...
. .........
... ..
... .
.......s
.... .............
.... .......... .
.....
...s
.
.
.
a1
c 2 = 2 a 2
a2
Como 1 6= 0 e 2 6= 0, sejam
1 :=
1 1 + 2 2
>0 e
2 :=
1 1 + 2 2
> 0:
(2.3)
c 2 A;
(2.4)
(2:3)
Exerccio 2.2 Verique atraves de um contra-exemplo que C (A) convexo =6 ) A convexo.
Exerccio 2.3 Se D e um cone, prove que D
C (D \ B (00; 1)).
hB e convexoi () B + B B:
()) Sendo B convexo e cone,
8(b1;bb2) 2 B B B e=convexo
) 21 b1
portanto B + B B
1 2
b
2
2 B B =e )cone 2( 12 b1
1 2
b)
2
2 B =) b1
+ b2
2 B;
16 de agosto de 2007 8
(() Sendo B B + B ,
+ (1
)b 2 2 B:
portanto B e convexo.
Cones convexos s~ao conjuntos \semelhantes" a subespacos lineares. Subespacos lineares s~ao conjuntos
fechados em relaca~o a soma e multiplicaca~o por escalar e cones convexos s~ao conjuntos fechados em relaca~o a
soma e multiplicaca~o por escalar n~ao negativo.
Exerccio 2.5 Prove que se C (A) e convexo ent~ao C (A) e o conjunto dos pontos que s~ao combinac~oes lineares
de elementos de A com coecientes n~ao negativos.
Uma categoria de cones convexos que nos interessa e a dos cones poliedrais:
se
(i) 8(x; y ) 2 X X
(ii) 8(; ) 2 IR IR
; ent~ao (x + y) 2 X
se
(i) 8(x; y ) 2 X X
(ii) 8(; ) 2 IR+ IR+
; ent~ao (x + y) 2 X
se
(i) 8(x; y ) 2 X X
(ii) 8(; ) 2 IR+ IR+ = + = 1
; ent~ao (x + y) 2 X
Da mesma forma que subespacos lineares s~ao caracterizados por combinaca~o linear de um numero nito
de elementos, no exerccio 2.5 caracterizamos cones convexos atraves de combinac~ao linear a coecientes n~ao
negativos. Para o estudo de conjuntos convexos, introduzimos o conceito analogo:
16 de agosto de 2007 9
8
<
:
p
P
i=1
9
=
i = 1
tais que x =
p
X
i=1
ix i :
Em termos geometricos, x e combinaca~o convexa de p pontos fx i gi=1;2;:::;p , se existirem massas fmi gi=1;2;:::;p
que associadas aos correspondentes pontos, denam o centro de gravidade (CG) coincidente com x . Isto e,
p i
P
m xi
p
P
ix i
i=1
i
onde M
i = mM .
> 0 e Pp i = 1.
Lembrando que mi s~ao massas, segue que i =
i=1
CG =
=x =
i=1 M
P
= pi=1 mi , e
conveniente notar que os coecientes que denem a combinaca~o convexa n~ao s~ao necessariamente
E
unicos.
Utilizando a denica~o acima podemos caracterizar conjuntos convexos atraves de:
A e convexo
()
8
*
>
<
>
:
+
8p 2 IN
p
8fxigip=1; xi 2 A; i 2Pf1p ; : : : ; pg
=)
8figi=1; i => 0 e i=1 i = 1;
p
P
i=1
ix i
2 A:
Prova A prova no sentido ((=) e trivial, pois p = 2 e a denica~o de convexidade. A prova no sentido (=))
sera feita por induca~o:
1
p+1 i , segue que
Pp
i + x p+1
p+1
i=1 ix P
= (1 p+1 ) pi=1 ix i + p+1x p+1
= (1 p+1 )y + p+1x p+1 :
x =
sendo y = pi=1 ix i . Por construca~o, y e combinaca~o convexa de fx i gpi=1 com pesos fi gpi=1 , pois:
p
P
p+1 ) 1 ( i )]
i=1
= (1 p+1 ) 1 (1 p+1 )
= 1:
= [(1
p+1
.....
x
..........
..
.
.
..t
......
........ x
.
..
..
..
.
.tx
.. ..............
...
.......
...
........
....... ..
...
..t
...
.. .
...
.. ..t
...t
.. . y
..
..
..
..
..
.
..
.....
..
.
.t
.. .t
.
.
..
.. x
..
..
.
..
t
t
..
.
5 A denica~o 2.6 implicitamente nos restringe a considerar somente combinaca~o convexa de um numero inteiro de pontos.
16 de agosto de 2007 10
Portanto, por hipotese de induca~o, y 2 A. Como p+1 2 [0; 1), (y ;xxp+1 ) 2 A A e A e convexo, segue
que x 2 A, o que completa a demonstraca~o.
Uma forma mais elegante de apresentar este resultado pode ser obtida atraves da introduca~o do conceito
de casco convexo:
Denic~ao 2.7 O casco convexo de um conjunto Y , denotado [Y ], e o conjunto das combinac~oes convexas
dos elementos de Y , i.e:
def
[Y ] =
x 2 IRn =
+ )
e x=
Pp
i
i=1 ix :
Em termos geometricos, o casco convexo de um conjunto Y e o lugar geometrico dos centros de gravidade
de quaisquer conjuntos nitos de pontos de Y com quaisquer massas associadas.
Da denica~o de casco convexo de um conjunto, seguem as seguintes propriedades:
[Y ];
Z Y =) [Z ] [Y ];
(i) Y
(ii)
(iii) [Y ] e convexo;
(iv) Y e convexo () [Y ] Y
() Y [Y ];
(v) [ [Y ] ] = [Y ];
(vi) Z convexo e Y
Z =) [Y ] Z .
A gura 2.5 contem alguns exemplos de conjuntos e seus respectivos cascos convexos.
s
s
s
s
s
...s
..s
...
..
...
...
..
...
..
...
..
...
..
...
.
.
...
.
...
..
...
...
..
...
..
...
..
...
..
...
.
...
..
...
... ....
... .
... ..
....s
(a)
s
..s
...
..
...
..
...
..
...
..
...
..
.
.
.
..
...
.
..
.
..
...
.
.
..
.
..
...
.
.
..
.
..
...
.
.
..
..
..
s
...
..
....
..
....
..
....
..
..
....
..
....
..
....
..
....
....
...s
....
.....
.
.
.
....
....
....
.
.
.
.
....
....
.
....
.
.
.
....
....
....
.....
....
.....
....
.....
....
.....
....
.....
.
....
.
.
.... ......
.....s
..
...
.......... ...
.........
..
..........
..
..........
..
..........
..
.........
..
..........
.
s
.
.
..
..
..
.
..
..
..
.
..
..
..
.
..
..
..
.
..
..
.
..
..
..
.
..
..
..
.
..
..
..
.
..
..
.s
.
s
.....
..
.
.
.
.
..s
.....
....
.
.
.
.
.....
....
.....
.
.
.
.
.....
....
.....
.....
.....
.....
.....
.....
....
.....
.....
.....
.....
.
.
.
.....
.
..... .......
......s
.
...............
.............
..
.............
..
.............
..
.............
..
.............
..
.............
...s
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
s
........s
.
.
.
..
.
...............
.
.
..
.
.
.
.
.
.
.
.
.
.
.
.
..
...............
.
.
.
.
.
.
.
.
..
.
.
.
.
.
.
..
..............
.. .............................
.
..s
(b)
(c)
(d)
16 de agosto de 2007 11
a) [Y ]1 = [Y ]
b) [Y ]i+1 = [ [Y ]i ]:
Tanto (v) quanto (v') tem suas provas baseadas no seguinte argumento:
por (iii), [Y ] e convexo, portanto, por (iv), [[Y ]] [Y ].
A propriedade (vi), de casco convexo, permite uma caracterizaca~o alternativa de casco convexo, utilizada
como denica~o por alguns autores, a ser explorada na proxima subseca~o.
Esta interpretaca~o ou caracterizaca~o alternativa justica os exemplos gracos da gura 2.5. Note-se que
a operaca~o casco convexo dos 5 pontos da gura 2.5.b gera o pentagono como esperado.
Portanto, voltando a ideia de caracterizaca~o de polgonos e lembrando que todo poliedro e convexo, a
nossa pergunta sobre o mnimo de informaca~o necessaria para caracterizar um poliedro pode ser reformulada
como: \qual o conjunto minimal M tal que o poliedro convexo X possa ser descrito por [M ]?".
Claramente tal conjunto minimal devera conter todos os pontos do conjunto original que n~ao podem ser
expressos como combinaca~o convexa de outros pontos do conjunto original. Se vericarmos na gura 2.5, estes
pontos s~ao os vertices do tri^angulo, do pentagono e do quadrilatero.
Por sua import^ancia, estes pontos merecem uma denica~o:
Denic~ao 2.8 O ponto a pertencente ao conjunto convexo A, e dito ponto extremo de A se 6 9(b; c; )
A A (0; 1) tal que a = b + (1 )c com c 6= a 6= b
ou equivalentemente: a e ponto extremo de A se, e somente se
9
a = b + (1 )c >
=
0<<1
=) b c a
>
;
(b; c) 2 A A
Exemplos
(i) Todo conjunto unitario e formado por um ponto extremo;
16 de agosto de 2007 12
<1ex=
> 0g tem como pontos extremos ( 0 ); ( 1 ) e ( 0 );
(ii) fx 2 IR2 =x1 + x2 =
0
0
1
> 0 g tem um u
(iii) IRn+ = fx 2 IRn =xx =
nico ponto extremo que e a origem;
< 1g tem como pontos extremos fx 2 IRn =kx k2 = 1g;
(iv) fx 2 IRn =kx k2 =
< 1g tem quatro pontos extremos;
(v) fx 2 IR2 =kx k1 =
> x1 =
> 0g n~
(vi) fx 2 IR2 = 1 =
ao tem pontos extremos;
> x1 =
> 0g) e mais intrigante, pois V (P ) e vazio. Entretanto, se
O exemplo (vi) acima (P = fx 2 IR2 = 1 =
reescrevermos as restrico~es que descrevem o poliedro P na forma can^onica, obteremos o poliedro Pe , dado por:
Pe = fz 2 IR4 = z => 0 e z1 + z4 = 1g
onde
z1 = x1
z2
z3 = x2
z4 = 1 x1
+
(z2 = x+
2 e z3 = x2 )
(z4 = x r ).
16 de agosto de 2007 13
hy 2 Y
h) 2 Y
Y i:
Prova
((=) Sejam (;yy 1 ;yy 2 ) 2]0; 1[Y Y , denidos por := 1=2, y 1 := y + h e y 2 := y h . Portanto y 62 V (Y ),
uma vez que y 1 6= y 2 , 2]0; 1[ e y = yy 2 + (1 )y 1 .
(=)) Sendo
h 1 := y 1 y ; h 2 := y 2 y e h 2 arg minfkh 1 k2 ; kh 2 k2 g;
mostaremos que (y + h ;yy h ) 2 Y Y .
Seja 2]0; 1[ tal que
y = yy 2 + (1 )y 1 = y 1 + (y 2 y 1 ):
(? )
h1) 2 Y
Y.
O lema 2.1 substitui a caracterizaca~o de pontos extremos em termos de intervalos pela exist^encia de
direco~es que denem os mesmos intervalos. A prova deste fato e imediata.
Esta caracterizaca~o, em termos de direco~es, sera doravante utilizada. Para o caso em estudo (poliedros
na forma can^onica), estas direco~es possuem a seguinte caracterizaca~o algebrica:
Prova
(=))
ii)
>0
(x + hh) =
>0
(x hh) =
hh) = b () Ah = Ah = 0 e Ax = b ;
=)
x => 0 ;
> 0; (x h
h)j => 0 =) hj = 0.
iii) xj = 0; (x + hh)j =
(Observe que (xj = 0 =) hj = 0) equivale a (hj 6= 0 =) xj =
6 0)).
De i), ii) e iii) segue a primeira parte da prova.
hxj = 0 =) hj = 0ig:
16 de agosto de 2007 14
Portanto denimos
= suphj >0 hxjj (sup ao inves de max para considerar o caso h =< 0 , quando + = sup
+ = inf hj <0 hxjj (inf ao inves de min para considerar o caso h => 0 , quando = inf
= minf ; + g 2 IR++ isto e, 2 IR e > 0:
Assim, da construca~o de , teremos
(x + hh;xx hh) 2 X X;
; = 1)
; = +1)
Esta observaca~o esta ligada a L = f(x + hh) = 2 IRg denir uma reta, se h 6= 0 . Acompanhando
a prova do fato 2.2, temos que a intersecca~o da reta L com o poliedro
X e dada pelo segmento de reta
T
f(x + hh) = 2 [ ; +]g, se e + forem nitos. Caso contrario, L X e uma semi-reta,
pois ou ou +
T
e nito. Em qualquer caso com h 6= 0 , (x + hh) ou (x hh) sera ponto extremo de L X .
Um resultado que sera utilizado repetidas vezes e que este ponto extremo tem pelo menos uma componente
nula a mais do que x. Para formalizar esta constataca~o, introduzimos a notaca~o:
8
>
>
>
<
x 2 X; h 6= 0
Ah = 0 e I (h ) I (x )
=)
>
;
>
>
>
:
X=
x2
"
IR5
2 X , h = (1;
1 0 1 0
0 1 0 1
10
5
"
x=
5; 1; 5; 0) e
2
2
x => 0
16 de agosto de 2007 15
Estas construco~es baseadas nos fatos 2.1 e 2.2, s~ao dirigidas a caracterizaca~o de pontos do poliedro que
n~ao s~ao vertices (ou equivalentemente a vertices). Na medida em que esta caracterizaca~o e baseada na exist^encia
(ou n~ao) de direco~es convenientes, introduzimos a notaca~o:
0 g).
Prova Dado x 2 X
x 62 V (X ) () 9h 2 IRn = h 6= 0 e (x + h ;xx h ) 2 X X (pelo fato 2.1)
() 9h 6= 0 =9 > 0; (x + hh;xx hh) 2 X X (hh = h)
() 9h 6= 0 =Ah = 0 e hxj = 0 =) hj = 0i (pelo fato 2.2)
() 9h 6= 0 =hh 2 Hx:
Ou seja, x 2 V (X ) () Hx = f0 g.
n
P
j =1
hj a j =
j 2I (h )
x 2 V (X )
() Hx f0g
()6 9h 2 IRn = h 6= 0; Pj2I (x) hjaj = 0
() faj gj2I (x) s~ao linearmente independentes.
x 2 V (X )
Esta caracterizaca~o, basica para o desenvolvimento que se segue, tem como um de seus varios corolarios,
o abaixo:
16 de agosto de 2007 16
Prova Basta apresentar um limitante superior nito, gerado por todos os possveis vertices,
#V (X )
() h0 2 V (X )i () hf0g V (X )i:
O resultado acima utiliza a hipotese do poliedro X estar na forma can^onica, isto e, X = fx 2 IRn = Ax =
b e x => 0 g.
> x1 =
> 0g, para o qual V (Y ) ;, e f
Considerando novamente o exemplo Y = fx 2 IR2 = 1 =
acil ver
que 0 2 Y , o que mostra que a validade do resultado apresentada no exerccio 2.14 depende da representaca~o
algebrica do poliedro.
Uma das raz~oes para escolhermos a forma can^onica e a exist^encia de resultados fortes ligando o poliedro
nesta forma ao conjunto de seus vertices. Por exemplo:
6 ;:
Prova
((=) Trivial pois V (X ) X .
(=)) Se X 6 ;, ent~ao (pelo axioma da escolha), seja x 0 2 X IRn .
+1
:
Podemos gerar a seguinte sequ^encia fx i gni=0
i) se x i 2 V (X ), x i+1 = x i ;
ii) se x i 62 V (X ), x i+1 = y i 2 X : #I (y i ) < #I (x i ).
A exist^encia de y i como em ii) e garantida pelo exerccio 2.10 (pagina 14).
< n e, x i 2 V (X ) ou #I (x i ) =
< n i.
Claramente #I (x 0 ) =
> 0 temos que x n+1 2 V (X ).
Como #I (x n+1 ) =
A prova construtiva apresentada acima e algortmica, no sentido que a partir de um ponto do poliedro
e gerada uma sequ^encia de pontos, tambem do poliedro. Apos no maximo n iteraco~es, esta sequ^encia produz
um vertice.
Se x i n~ao for vertice, o conjunto de colunas associadas as componentes n~ao nulas de x i (fa j gj 2I (x i ) ) e
linearmente dependente. Em cada iteraca~o do processo e gerado x i+1 com menos componentes n~ao nulas do que
x i (I (x i+1 ) estritamente incluso em I (x i ) ). Portanto a cada iteraca~o ou detectamos um vertice ou reduzimos o
conjunto de colunas fa j gj 2I (x k ) , buscando um subconjunto de colunas linearmente independentes, e portanto,
correspondente a um vertice.
16 de agosto de 2007 17
Inicializac~ao: i
0; x 0 2 X
Passo (?):
Encontre, se existir, h i tal que:
h i 6= 0
h i 2 Hxi = fh 2 IRn Ah = 0 e I (h ) I (x i )g.
Caso n~ao exista, x i 2 V (X ): pare.
Se 9hij > 0, faca:
= maxhik >0
x i+1
i
xi +
i+1
xik
hik
hi
+ = minhik <0
x i+1
i
xik
hik
xij +
i
xi
xik
i ( xj
)
=
h
hij = hij ( hji + max
i
j
hij
j
hik >0 hk
0
@xi
i
j + + hj =
x i + + h i
xi
hij ( hji
j
xik
+ min
i )
hik <0 hk
xi
hij ( hji
j
xik >
min
i)=0
hi >0 hk
xik
max
i)
hik <0 hk
hij <0
>
= 0A
i+1
retorne ao passo (?).
A transformaca~o deste metodo conceitual em algoritmo e obtida pela clara discriminaca~o de como construir h i 2 Hx i , tal que h i 6= 0 . Isto corresponde a encontrar, se existir, uma soluca~o n~ao trivial para o sistema
homog^eneo de equaco~es lineares:
P
j
j 2J hj a = AJ h J = 0 ,
onde J = I (xi ).
Exerccio 2.15 Descreva detalhadamente o algoritmo indicado no paragrafo anterior (coloque na forma de
alguma linguagem de programac~ao alto-nvel, indicando como obter o hi ).
O metodo conceitual (MCOV), alem de ser a base para a soluca~o de problemas que veremos adiante, sera
utilizado, na proxima seca~o, para a construca~o de caracterizaca~o nita de poliedros.
Usando estas direco~es podemos mostrar que o primeiro conjunto n~ao vazio do tipo Xq := fx 2 X :
< q g, com um n
#I (x ) =
umero minimal de componentes n~ao nulas, esta contido no conjunto dos vertices de X .
16 de agosto de 2007 18
(x
h;xx + h) 2 X X:
Neste caso existe i tal que hi > 0 (se h 0 , tome h no lugar de h ). Assim, se tomarmos = min hxjj > 0,
hj >0
teremos x hh 2 X , pois
hk = xk
n o
min hxjj hk = hk hxkk
hj >0
n o
>
min hxjj
= 0.
hj >0
hh) < #I (x ) = p;
mas isso contraria a escolha de p. Logo n~ao pode existir um tal x 2 Xp n V (X ), concluindo da a tese.
Agora podemos demonstrar um importante resultado, que poliedros can^onicos s~ao somas diretas do casco
convexo de um numero nito de pontos mais um cone.
[ V (X ) ]
+ C:
y=
k
X
i=1
ix i
2 [V (X )]
k
X
i=1
i = 1; => 0 e fx i gki=1
V (X )
e h 2 C;
{ Ax = A(y + h ) Ah==00 Ay =
{
k
P
i=1
h =>0
k
P
x = y + h => y = ix => 0 .
i=1
i Ax i Ax==b
i
k
P
i=1
ib = b ;
Portanto, x 2 X .
(ii) Suporemos X 6 ; e X 6 [V (X )], pois estes casos s~ao diretos. Faremos a demonstraca~o por induca~o no
< q g. Seja novamente p := minfq : Xq 6 ;g.
ndice q de Xq := fx 2 X : #I (x ) =
<i=
< k.
Passo: Supor que Xi [V (X )] + C , para todo p =
16 de agosto de 2007 19
(1) Se h =
6> 0, mostraremos que x + 1h => 0, 1 = min hxjj .
hj <0
>
>
>
Se hj = 0, ent~ao xj + hj = xj = 0, 8 > 0.
Se hj < 0, ent~ao xj + 1 hj = hj ( hxjj + minhl <0 hxl l ) = hj ( hxjj
I (x + 1h )
6=
xj
<
(2) Se h =
6 0, mostraremos que x 2h => 0, 2 = hmin
.
j >0 hj
> 0.
Se hj > 0, ent~ao xj 2 hj = hj ( hxjj minhl >0 hxll ) =
< 0, ent~
> xj =
> 0, 8 > 0.
Se hj =
ao xj hj =
Do mesmo modo, I (x 2h) I (x), e por hipotese de induca~o x 2h 2 [V (X )] + C .
6=
x = y + 2h 2 [V (X )] + C:
x + 1h 2 [V (X )] + C e x 2h 2 [V (X )] + C;
portanto x 2 [fx
X e limitado
() X [V (X )]:
Prova
(=)) Se X = ;, ent~ao segue a tese. Se X 6= ; e limitado, ent~ao 6 9h 6= 0 em C (caso contrario x + hh 2 X ,
para todo (x ; ) 2 X IR+ ). Logo C f0 g e da, pelo teorema acima, segue que X [V (X )].
((=) Esta outra parte e baseada em que o conjunto de vertices e nito (lema 2.4) e que o casco convexo de um
numero nito de pontos e limitado (exerccio 2.7).
O resultado acima corresponde a enunciar o resultado intuitivo que um poliedro convexo limitado (vazio
ou n~ao) e descrito de forma minimal pelo conjunto de seus vertices. Mais ainda, esta ligado a constatac~ao de
que um poliedro (n~ao vazio) e limitado se, e so se, o cone associado ao poliedro reduz-se a origem.
16 de agosto de 2007 20
Portanto, o conjunto de vertices (nito) n~ao e informaca~o suciente para caracterizaca~o (nita) de poliedros somente no caso ilimitado (C 6 f0g).
A ideia basica desta caracterizaca~o e que conhecendo o cone poliedral em uma regi~ao limitada, o restante
do cone poliedral pode ser descrito atraves de fatores de escala (de forma similar ao exerccio 2.3). Ora, se a
regi~ao limitada for um poliedro, a intersecca~o do cone poliedral com este poliedro limitado sera um poliedro
limitado e passvel de descrica~o como casco convexo de um numero nito de pontos. Esta ideia intuitiva e
formalmente expressa como:
Pn
j =1 hj = 1g,
Prova
(i) C 6 f0 g =) C 1 6 ;
Trivial, pois se h 2 C e h 6= 0;
(ii) C 1 6 ; =) C
khk1 1h 2 C 1.
C (C 1 )
Pq
i
>
i=0 ir onde i = 0;
r0 = 0 e
fr igqi=1 V (C 1).
Este resultado pode ser considerado como uma caracterizaca~o de cones poliedrais.
O encadeamento de resultados acima nos permite enunciar a
i=1
x2X
()
8
>
>
>
>
>
>
>
>
<
x=
onde
>
>
>
>
>
>
>
>
:
16 de agosto de 2007 21
Pp
Pq
j
i
j =1 j v +
i=0 ir
fv igpiq=1 V (X )
fPr j gj=1 V (C 1)
p = 1;
j =1 j
Este resultado e basico para os desenvolvimentos que se seguem, mas n~ao deve ser esquecido que o poliedro
tem que estar na forma can^onica
X = fx 2 IRn = Ax = b e x => 0 g
Se por exemplo o poliedro fosse:
Cap
tulo 3
8
>
<
>
:
max
s:a
hc;xxi
Ax = b
x => 0
9
>
=
>
;
8
>
>
>
<
>
>
>
:
max
s:a
onde
hc;xxi
x 2 [V (X )] + C
X fx 2 IRn = Ax = b;xx => 0g e
C fh 2 IRn = Ah = 0 ;hh => 0 g:
9
>
>
>
=
>
>
>
;
() X ;
() V (X ) ;
() valor otimo do (PLC) = 1:
Estas equival^encia dispensam prova formal, pois s~ao apenas uma colet^anea de denico~es equivalentes e
do lema 2.5 (X ; () V (X ) ;).
Portanto, se nos concentrarmos nos problemas viaveis, estaremos maximizando a funca~o
hc;xxi
para
Logo, o valor otimo do (PLC) (supondo viabilidade) pode ser escrito como
valor otimo do (PLC) = sup hc ;xxi =
x 2X
sup
hc;xxi + suphc;hhi:
h 2C
x 2[V (X )]
> 0g
6 ;;
hc;xxi = v 2max
hc;vv i = hc;vv i
V (X )
x2[V (X )]
22
16 de agosto de 2007 23
8x 2 [V (X )]; 9
Portanto, 8c 2 IRn ;
p
X
p
figi=1 : i = 1;
i:=1
p
X
i:=1
iv i :
8x 2 [V (X )], teremos
hc;xxi
p
P
i hc ;vv i i =<
p
P
i:=1
p
Quanto ao segundo termo da express~ao apresentada para o valor otimo do (PLC), suph 2C hc ;hhi, temos:
> 0 g, sup
h2C
Alem disso,
< 0 () hsup
h
h
(i) D8h 2 C; hc ;hhi =
E h2C hc ;h i = maxh 2C hc ;h i = 0i e
(ii) 9h 2 C tal que hc ;hhi > 0 () hsuph 2C hc ;hhi = +1i :
Prova Se
8h 2 C; hc;hhi =< 0,
e deste modo
Caso exista h 2 C , para o qual hc ;hhi > 0, pelo fato de C ser cone, e facil ver que
h 2C
6 9h 2 C
Teorema 3.1 Dado um problema de programac~ao linear na forma can^onica, (PLC), valem as equival^encias
abaixo:
() (PLC) e inviavel
() V (X ) ;;
() (PLC) e ilimitado
() X 6 ; e 9h 2 C = hc;hhi > 0;
() (PLC) tem soluc~ao otima
() 9v 2 V (X ) que e soluc~ao otima do (PLC).
16 de agosto de 2007 24
Prova O item (a) decorre diretamente do lema 3.1. Os itens (b) e (c) decorrem da identidade supx2X hc;xxi =
supx2[V (X )] hc ;xxi + suph2C hc ;hhi e dos lemas 3.2 e 3.3.
Este teorema admite um corolario, por vezes chamado na literatura de teorema fundamental:
Corolario 3.1 Se o (PLC) possui soluc~ao otima, ent~ao existe um vertice que e soluc~ao otima.
Prova A prova e trivial a partir da implicaca~o h (PLC) tem soluca~o otima
(c) do teorema 3.1.
Do teorema
linear, \se o valor
\maximizar (1 e
Dos resultados acima, podemos observar a exist^encia de duas condico~es necessarias para o (PLC) ser
ilimitado (valor otimo = +1) que s~ao: i) X e ilimitado; e
ii) 9h 2 C : hc ;hhi > 0.
Entretanto, e importante notar que estas condico~es n~ao s~ao sucientes para ilimitaca~o do (PLC).
i) valor otimo = +1 =)
ii) 9h 2 C :
C 6 f0g e existe h 2 C :
hc;hhi > 0
6 ;).
ii) X ilimitado =
6 ) valor otimo = +
iii) valor otimo
1;
2 IR 6=) X limitado.
< 0; 8j:
(c) (PLC) tem soluc~ao otima x () 9v 2 V (X ); hc ;xxi = hc ;vv i = maxi=1;2;:::;p hc ;vv i i e hc ;rr j i =
Prova O item (a) segue do teorema 2.5 (pagina 16: X
seguinte equival^encia
9h 2 C
: hc ;hhi > 0
()
C 1 6 ;
6 ; , V (X ) 6 ;).
9r 2 V (C 1) : hc;rr i > 0.
16 de agosto de 2007 25
> 0 ; kh k1 = 1g
Passo 3: Calcule V (C 1 ), o conjunto dos vertices de C 1 = fh 2 IRn = Ah = 0 ; h =
1
Se V (C ) = ;, ent~ao pare: v e soluc~ao do (PLC)! (isso decorre do lema 3.4)
IRn = x = v + rr k ;
Este algoritmo e nito se soubermos computar os vertices de um poliedro qualquer em um numero nito
de passos. Portanto, para poder discutir como implementar este tipo de algoritmo, temos que discutir como
determinar vertices de um poliedro (X ou C 1 ).
Para gerar vertices e natural que nos apoiemos em uma caracterizac~ao algebrica de vertices, dada pelo
teorema 2.2 (pagina 15):
x 2 V (X )
()
(i) x 2 X; e
< m)
(ii) fa j gj 2I (x ) e l.i. (=) #I (x ) =
f 1; 2; : : : ; n g
(m n)
(se o passo 3, 2 ; n~ao for executado sequer uma vez, ent~ao teremos V (X ) ;)
Em relaca~o a este procedimento cabem as seguintes observaco~es:
16 de agosto de 2007 26
Pm
n
i=0 ( i ).
2: Diferentes I 2 2 , podem gerar o mesmo vertice, mas cada I 2 2 gera um unico vertice
pois o conjunto
P
j
a
b
f gj2I ser linearmente independente implica na unicidade dos fj gj2I tais que = j2I j aj .
Cabe a pergunta: Sera necessario gerar todos os vertices para resolver o (PLC)? Isto e, sera realmente
necessaria uma enumeraca~o explcita dos vertices ou sera possvel uma enumeraca~o implcita ?
Para responder a estas quest~oes, e conveniente explorar mais a caracterizaca~o algebrica de vertices.
Iniciemos o estudo no caso em que a matriz (A) associada ao poliedro (X ) tem caracterstica plena (posto
A = m), ou seja, as restrico~es (Ax = b ) s~ao linearmente independentes.
3.3
Consideremos o exemplo
IR2
2
2
Ax =<
1 + 2 => 2
....
.......
....
..................
....
....
.... . x
x
.... .......
........
....
...
....
.... ......
.... . ..
....
..
.........................
....
....
....
....
.. ..
....
....
....
.... x
....
.
....
....
....
....
....
.....................
....
....
....
....
....
....
....
....
....
....
.... ..
.
.
.......
...
.....
.
s
.
.
..........
...
....
....
....
....
;
.
Figura 3.1:
onde A =
..........
........
(na dimens~
ao de
1
0
1
:
1
(a) Poliedro
"
.
.
.
.
.
.
.
.
.
.
...
.
.
.
.......
.
.
..
.
.
.
. b
...... ...... ...... ................ ..... ....... ...... ...... ...... ...... ...... .
...... ......
.s
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
..
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
.pppp
p
.
ppppppppppppp
pp pp
p
p
p
p
p
.
p
a
p.pp
ppppppppppp
.
pppppppppppppppppp
.
pp pp
p ppp
p
p
p
pp. p
. ppppppppppppp pp
.
.
p
.
.
. ppppppppp ppppppppp
ppppp
.
pppppppppp
........
.
pp
pppppppppp
pp
.
pp
p
p
p
p
p
t
p
p
p
p
p
. . . . . . .ppppppp.ppppppp. . ... . .ppp.ppppppp.pppp . . . . . .. . . . . . . . . . ... . . . . . . ..
..........
.
.
.
.
.
.
.
.
.
a
a
.
.
.
.
.
.
.
2 =< 2
(0 0)
x => 0 g
x)
(b) Representac~
ao das colunas de
A (na dimens~ao de
no
ortante
b)
positivo;
Da gura (a) acima, que representa o poliedro Y , e facil ver que V (Y ) = fy 1 ;yy 2 g onde y 1 = (2; 0); y 2 = (0; 2).
Para discutir este caso, dentro de nosso escopo teorico, ha a necessidade de recairmos em um poliedro com a
forma can^onica (representado, via colunas, na gura (b) acima):
"
1 1
onde A :=
0 1
1 0
0 1
e b :=
" #
2
:
2
Lema 3.5 Seja Y = fx 2 IRn = Mx =< b ; x => 0 g e X = f(x ;xxr ) 2 IRn IRm = Mx + x r = b ; x => 0 ; x r => 0 g
Ent~ao x 2 V (Y ) e x r = b Mx () (x ;xxr ) 2 V (X ).
Prova Deixada a cargo do leitor.
16 de agosto de 2007 27
Observac~ao: E importante notar que sem a restrica~o x => 0 no poliedro original, a implicaca~o \(" n~ao e valida.
< x1 =
< 1g).
Um exemplo onde esta n~ao vale e quando Y n~ao tem sequer um vertice (p.e., V (Y ) := fx 2 IR2 = 0 =
Portanto, usando o lema 3.5, segue que V (X ) = fv 1 ;vv 2 g, onde v 1 = (2; 0; 0; 2) e v 2 = (0; 2; 0; 0).
Tendo em mente este resultado, vamos aplicar o metodo inocente para c^omputo de V (X ) ao exemplo 3.3.1.
Isto e, apliquemos o metodo da seca~o anterior para computar os vertices, no caso
"
A = [MjI] =
1
0
1 1 0
1 0 1
"
e b=
2
;
2
0 = fI J = #I =< 2g = f;; f1g; f2g; f3g; f4g; f1; 2g; f1; 3g; f1; 4g; f2; 3g; f2; 4g; f3; 4gg = fI i g10
i=0 ;
m n
P
# 0 = ( 40 ) + ( 41 ) + ( 42 ) = 1 + 4 + 6 = 11 =
( ):
i=0 i
Para cada I
associado:
2 0, testamos sucessivamente se I 2 1 e se I 2 2.
(I 0 ) I 0 = ; : I 0
2 1 (trivial) e I 0 62 2 pois b 6= 0.
(I
1)
I = f1g : I
(I
2)
I = f 2g : I
2 (a 6= 0) e 6 91 : 1a
2 (a 6= 0) e 2a
2
(I
5)
I = f1; 2g : I
5
"
#"
" #
= 1
" #
1
= 2
1
Caso I
2 2, computamos o vertice
" #
1
0
2
, portanto I 1 62 2 .
2
" #
2
2
= b ; portanto I 2
2 2; e temos o vertice
62 2; j 2 f3; 4g.
pois f
" # " #
1
; 11
0
" #
1 1 1
2
> 0; 2 =
> 0), portanto
Mais ainda,
=
admite soluca~o unica 1 = 0 e 2 = 2 (1 =
0 1 2
2
I 5 2 2 e temos o vertice y 5 = (0; 2; 0; 0).
(I
6)
(I
7)
I = f1; 3g : I
62
I = f1; 4g : I
"
(I
8)
I = f2; 3g : I
8
1
4
pois f
#
1
;
0
1
0
" # " #
"
1
0
;
0
1
#"
" #
1 0 1
2
> 0; 4 =
>
Mais ainda, (a ;aa
=
=
admite soluca~o unica 1 = 2 e 4 = 2 (1 =
0 1 4
2
0), portanto I 7 2 2 e temos o vertice y 7 = (2; 0; 0; 2).
1
4)
pois f
" # "
"
pois f
#
" # "
"
1
;
1
#"
2 = 1 1
Mais ainda, (a ;aa
3
1
0
0), e temos o vertice y 8 = (0; 2; 0; 0).
2
3)
1
0
" #
10 )
I = f3 ; 4 g : I
10
10
4)
portanto I 10 62 2
pois f
"
3 =
4
"
"
16 de agosto de 2007 28
# " #
1
0
;
0
1
1 0
0 1
#"
" #
No caso
A raz~ao pela qual isto ocorre, e que I (v 2 ) = f2g = I 2 , isto e, b pertence ao subespaco gerado pela coluna
a 2 . Ao considerarmos os conjuntos I 5 = f1; 2g; I 8 = f2; 3g; e I 9 = f2; 4g, usamos respectivamente as colunas
a 1 ; a 3 e a 4 para completar bases do IR2 . Em outros termos, como b = 2a 2 = 2a 2 + 0a 1 = 2a 2 + 0a 3 = 2a 2 + 0a 4 ,
existem varios conjuntos em 2 associados ao mesmo vertice.
Esta constataca~o serve de motivaca~o para o seguinte,
v 2 V (X )
8
>
>
>
<
>
>
>
:
9I f1; 2:::ng
(i)fa i gi2I e uma base do IRm
(ii)
i2I
i = vi => 0 (i 2 I )
i = vi = 0 (i 62 I )
Prova
((=) Trivial, pois (ii) implica que v
vertices por colunas l.i.
2X
e que I (v )
I.
i2I (v )
e da temos
ia i +
m
P
i=p+1
i 2 I (v )
i 2 fp + 1; p + 2; : : : ; mg:
fji = i = p + 1; p + 2; : : : ; mg;
j 2I (v )
jaj = b,
Portanto,
I = I (v )
e o conjunto desejado.
Denic~ao 3.1 O ponto x e dito soluc~ao basica do sistema linear Ax = b, se existe I f1; 2; : : : ; ng tal que
(i) fa i gi2I e uma base do IRm ;
(ii) I (x ) I:
16 de agosto de 2007 29
Denic~ao 3.2 O ponto x e dito soluc~ao basica viavel do sistema linear fAx = b; x => 0g, se x e soluc~ao
> 0.
basica de Ax = b e x =
Por simplicidade falaremos em soluca~o basica e soluca~o basica viavel, sem indicar os sistemas lineares
associados, sempre que n~ao haja ambiguidade. Assim sendo o lema 3.6 pode ser reescrito como:
Lema 3.7 Seja X = fx 2 IRn = Ax = b ; x => 0 g, onde A e uma matriz com caracterstica plena. Ent~ao
v 2 V (X ) () v e soluc~ao basica viavel (de Ax = b ; x => 0 ).
A caracterizac~ao de vertices por soluco~es basicas viaveis indica que a cada vertice podemos associar uma
ou mais bases do IRm extraidas das colunas de A. Isto implica que a enumeraca~o de todos os conjuntos de p
< m) e redundante, no caso da matriz A ter caracterstica plena. Pois, se o vertice v for tal que
colunas (p =
#I (v ) < m, ele sera encontrado na enumeraca~o de todos os conjuntos de m colunas l.i. que contiverem as
colunas associadas a I (v ). Isto e retratado no exemplo, onde I (v 2 ) = f2g e v 2 e \encontrado" ao enumerarmos
f2 ; 1 g ; f 2; 3g e f2 ; 4 g.
Portanto, se A tem caracterstica plena, para encontrarmos os vertices basta enumerar os conjuntos de
m colunas l.i. e vericar se a cada conjunto pode ser associado um ponto viavel.
Esta vericaca~o e simples pois m colunas l.i. formam uma base B do IRm e, portanto, b admite uma
unica representaca~o nesta base (soluca~o basica). Se todas as componentes de b, em relaca~o a base B , s~ao n~ao
negativas, ent~ao obtivemos um vertice (soluca~o basica viavel). Caso contrario, a esta base do IRm esta associada
uma soluc~ao basica, porem n~ao a um vertice.
Com estas observaco~es, podemos enunciar o seguinte metodo para encontrar o conjunto V (X ), quando
A tiver caracterstica plena.
(m n)
16 de agosto de 2007 30
(ii) A possibilidade de diferentes bases fAi gi2I gerarem o mesmo vertice e mantida, porem se houver duplicaca~o, esta sera menor que no metodo inocente.
Exerccio 3.5 Aplique o metodo para c^omputo de V(X) para o exemplo 3.3.1 e compare com o metodo combinatorio inocente.
A exist^encia de mais de uma base associada a um unico vertice e parcialmente respondida por:
Lema 3.8 Se x e soluc~ao basica e #I (x ) = m, ent~ao existe e e unica a base fa j gj 2I associada ao ponto x .
Prova Trivial, pois I = I (x).
Como no caso em que #I (x ) < m podem existir varias bases associadas a mesma soluca~o basica, dizemos que:
Denic~ao 3.3 Uma soluc~ao basica e dita degenerada (soluc~ao basica degenerada ), se #I (x ) < m, e uma
soluc~ao basica viavel degenerada e dita ser um vertice degenerado .
Portanto uma condica~o suciente para garantir que a cada vertice corresponde uma unica base e supor
que n~ao existam vertices degenerados no poliedro X . Esta suposica~o e formalizada por:
Denic~ao 3.4 Dizemos que a hipotese de n~ao degeneresc^encia (HND) e valida para o poliedro X =
fx 2 IRn = Ax = b; x => 0g, se para todo v 2 V (X ), #I (v ) = m.
claro que a hipotese de n~ao degeneresc^encia (HND) implica que, se X
E
A e m (posto de A). Mais ainda
6 ;, ent~ao a caracterstica de
Lema 3.9 Seja x 2 X := fx 2 IRn = Ax = b ; x => 0 g, para o qual vale (HND). Ent~ao
x 2 V (X )
() #I (x) = m:
Prova
()) Trivial pela denic~ao de (HND).
(() Suponha por contradica~o exista x 2 X , x 62 V (X ) tal que #I (x) = m. Aplicando o metodo conceitual
para obtenca~o de vertices (MCOV), na pagina 17, podemos obter y 2 V (X ) tal que #I (y ) < #I (x ) = m,
que contraria a (HND).
facil vericar que sob (HND) todo ponto do poliedro X tem m componentes n~ao nulas:
E
16 de agosto de 2007 31
Para podermos trabalhar dentro de um contexto matricial, doravante assumiremos uma ordenaca~o quando
analisarmos qualquer subconjunto de m-ndices das colunas a i que formam uma base. Ou seja, um conjunto
I de m ndices sera sempre tratado atraves de uma m-upla ordenada (lista ) B = (j1 ; j2 ; : : : ; jm ). Para
simplicar notaca~o utilizaremos estas listas como se fossem conjuntos, isto e, usaremos \j 2 B " para signicar
j 2 fj1 ; j2 ; : : : ; jm g.
Esta ideia de ordenaca~o n~ao e nova, pois sabemos que quaisquer m vetores l.i. no IRm formam uma base.
Mas para podermos exprimir um vetor em coordenadas associadas a esta base, devemos xar uma ordenaca~o
da base dada. Por exemplo o vetor (2; 1) pode ser expresso em relac~ao a base e 1 = (1; 0), e 2 = (0; 1) de duas
formas diferentes:
(2; 1) = 2 (1o vetor base ) + 1 (2o vetor base), se B = (e 1 ;ee2 ) e
Lema 3.10 Dado um conjunto I , I = fj1 ; j2 ; : : : ; jm g, as seguintes armac~oes s~ao equivalentes sobre a lista
B associada:
(a) B 2 CB , isto e, fa j gj 2B e um conjunto l.i. e #B = m;
(b) B = (j1 ; j2 ; : : : ; jm ) esta associado a base ordenada do IRm (a j1 ; : : : ;aajm );
(c) a matriz AB = [a j1 j ja jm ], onde a i-esima coluna e a ji , e uma matriz (quadrada) n~ao singular.
Prova Omitida por ser elementar.
Podemos ent~ao reescrever o metodo para c^omputo de V (X ), no caso de A ter caracterstica plena sob
forma matricial, cujas vantagens computacionais ser~ao exploradas adiante.
(m n)
J = #I = mg
i )
Passo 3: Para i 2 f1; 2; : : : ; Qg, enumere Ii = (j1i ; j1i ; : : : ; jm
Seja B := Ii = (j1 ; j2 ; : : : ; jm )
(para simplicar notac~ao)
Se existe AB1 = [a j1 ja j2 j ja jm ] 1 , ent~ao
b := AB1b
> 0 , ent~
ao Ii e base viavel
Se b =
/* calcule o vertice v associado a Ii fazendo: */
vjk := bk , k 2 f1; 2; : : : ; mg (jk 2 Ii ), e
vj := 0, j 2 f1; 2; : : : ; ng n Ii .
Sen~ao: n~ao ha vertice associado a Ii
Desta forma o calculo dos vertices de V (X ) recaiu em um estudo de soluco~es de sistemas lineares, isto e, de
invers~ao de matrizes (ou ao menos, diagonalizaca~o). No caso em que det(AB ) 6= 0, a m-upla B = (j1 ; j2 ; : : : ; jm )
esta associada a uma base (a j1 ;aaj2 ; : : : ;aajm ) e AB e denominada matriz de base B . Mais importante do que
AB e sua inversa e a ela nos referiremos com frequ^encia.
Denic~ao 3.5 Dada uma m-upla B = (j1 ; j2 ; : : : ; jm ) (lista com m componentes), tal que (a j1 ;aaj2 ; :::;aajm )
formam uma base ordenada do IRm , dizemos que AB1 = [a j1 ja j2 j ja jm ] 1 e a inversa da matriz associada
a base ordenada cujos ndices s~ao dados por B , ou simplesmente, AB1 e a inversa de base .
16 de agosto de 2007 32
A raz~ao pela qual destacamos a inversa de uma base e que a correspondente soluca~o basica x e obtida
pelo c^omputo de AB1b (= x ). Mas precisamente, se B = (j1 ; : : : ; jm ) e b := AB1b , temos que
se k 2 B , isto e, k = ji para algum i 2 f1; 2; : : : ; mg, ent~ao xk = b0i (= xji ), e
se k 62 B ,
ent~ao xk = 0.
"
1
0
b = 01
1
0
# 1"
2
=
3
"
1 1 0
1 0 1
0 1
1 0
#"
"
e b=
#
2
, ent~ao B = (4; 1) resulta em uma
3
" #
2
3
=
,
3
2
x2 = 0
(2 62 B )
x3 = 0
(3 62 B )
0
x4 = xj1 = b 1 = 3 (4 2 B ).
Neste caso (posto A = m), e facil ver que o c^omputo de vertices e feito atraves da detecc~ao de bases,
calculo das soluc~oes basicas utilizando as inversas de base e teste de viabilidade (n~ao negatividade).
O algoritmo 1 para resoluc~ao do (PLC) continua aplicavel se substituirmos a palavra vertice por \base
viavel" ou por \soluc~ao basica viavel", com ressalva que a um mesmo vertice podem corresponder varias soluc~oes
basicas viaveis (para vertice degenerado).
16 de agosto de 2007 33
i + 1 e volte ao passo 2
Notac~ao Dado um vertice v e uma base B = (j1 ; j2 ; : : : ; jm ) a ele associada (isto e, I (v ) = fj1 ; j2 ; : : : ; jm g)
denotaremos
(a) xB
(b) N = (jm+1 ; jm+2 ; : : : ; jn ) uma lista com (n-m) elementos, cujas componentes s~ao os ndices j
e, indices fora da base)
62 I (v ) (isto
~ = [a jm+1 ja jm+2 j : : : ja jn ]
(c) AN = A
(d) x N = x~ = (xjm+1 ; xjm+2 ; : : : ; xjn )t ou x~k = xjm+k .
Chamaremos as variaveis correspondentes aos ndices da base B (xji ; i 2 f1; 2; : : : ; mg, componentes
x
de B ) vari
aveis na base ou variaveis basicas enquanto que as correspondentes aos demais ndices, N
(xji ; i 2 fm + 1; : : : ; ng, componentes de x~ ) chamaremos de vari
aveis fora da base ou variaveis n~ao
basicas . A mesma denominaca~o e dada as respectivas colunas de A. Respeitando a ordenaca~o dos elementos
da m-upla B , construimos a matriz de base AB (denica~o 3.5) e, analogamente, respeitando a ordenaca~o da
~ . Assim, com a conveniente
(n m)-upla N , construimos a matriz associada as variaveis n~ao basicas AN = A
reordenaca~o das variaveis (e correspondentes colunas da matriz dos coecientes) do sistema linear Ax = b
temos
Ax = b
Portanto,
()
"
~ ] xB = b
[AB jA
x~
Ax = b
() AB xB + A~ x~ = b:
relaca~o esta que nos permite escrever as variaveis basicas em funca~o das variaveis n~ao basicas, e que sera
utilizada repetidas vezes no que segue.
16 de agosto de 2007 34
9
>
x1 + x2 x3
=4 +
=
5
>
x4
=6
Exemplo 3.4.1 Seja X = >x 2 IR = x1 + 3x2
e x=0
>
:
;
x1 + x2
+x5 = 10
O ponto x = (3; 1; 0; 0; 6)t e um vertice de X , pois x 2 X e fa 1 ;aa2 ;aa5 g s~ao l.i. Esta ultima vericac~ao e
facil, pois adotando B = (5; 1; 2) ou equivalentemente x B = (x5 ; x1 ; x2 )t , temos
2
1: 0
0 1 1
6 0; e AB1 = 64 1:5
AB = 64 0 1 3 75 ; det AB = 2 =
0: 5
1 1 1
"
12
0:0 1 :0
0: 5 0 : 0 7
5:
0:5 0 :0
0
1
7
~ =6
1
0
x~ = xx4 ; A
5:
4
3
0
0
A aplicac~ao do metodo matricial para c^omputo de vertices corresponde a xar as variaveis n~ao basicas como
nulas e ent~ao resolver o sistema linear AB xB = b, para obter as variaveis basicas. Deste modo, o vertice x e
obtido por
"
" #
x~ = xx4 = 00
3
3
2
2 3
0 1 1
x5
x B = 64 x1 75 = AB1b = 64 0 1 3 75
1 1 1
x2
2 3
32
1 :0
4
6
6 7
4 6 5 = 4 1 :5
0 :5
10
6
4
0 :0 1 :0
6 7
76 7
0 :5 0 :0 5 4 6 5 = 4 3 5
1
0:5 0:0 10
1 1
6
41 3
1 1
1
0
0
z1 2 3
6
0 0 6 z2 7
4
7
6 7 6 7
1 07
5 6 z3 7 = 4 6 5
6 7
0 1 4 z4 5
10
z5
3
32
,
,
0
0 1 1 z5
6
76 7 6
4 0 1 3 5 4 z1 5 + 4 1
0
1 1 1 z2
3
z5
1
6 7 6
4 z1 5 = 4 1:5
z
0 :5
2 23 2 3
z5
6
6 7 6 7
z
=
4 1 5 435
1
z2
32
2
6
4
1 " #
z4 = 6 46 7
07
5
4 5
z
3
0
10
3
0 1
4
1
6 7 6
0 :5 0 7
5 4 6 5 4 1 :5
0:5 0 10
0 :5
3
"
#
0
1
z4
0: 5
1: 5 7
5
z3
0: 5
0:5
32
0 1
0
6
0 :5 0 7
54 1
0 :5 0
0
1 " #
z4
07
5
z3
0
ou seja, podemos escrever as variaveis basicas em func~ao das n~ao basicas como:
8
z = 6
z3
>
< 5
1
3
z1 = 3
2 z4 + 2 z3
>
:
z2 = 1 + 21 z4
1
2 3
Utilizando o fato de podermos exprimir as variaveis basicas em funca~o das n~ao basicas, lembrando que
pontos viaveis do (PLC) tem componentes n~ao negativas e que este problema e de maximizaca~o, segue
16 de agosto de 2007 35
Exerccio 3.7 Seja B = (j1 ; j2 ; : : : ; jm ) uma base associada a um vertice v . Se existe (k; ) 2 N IR, tal que
e estritamente positivo e
(i)
k = ck
(ii) AB1b
(A B 1 a k )t c B > 0
AB 1 a k
>0
e um ponto viavel do (PLC) tal que hc ;xx0 i > hc ;vv i. Observe que se = 0, ent~ao x 0 = v .
Dos algoritmos anteriores notamos que, xado um vertice x (e portanto X 6= ;) podem ocorrer tr^es
possibilidades: v e vertice otimo; existe outro vertice \melhor" que v ; existe um semireta de ilimitaca~o.
O teorema 3.2 nos fornece ferramentas para resolver o primeiro caso: uma condica~o suciente de otimalidade para v . E o exerccio anterior, nos da um criterio para encontrar um vertice \melhor" quando a condica~o
suciente n~ao for satisfeita e tivermos algumas hipoteses adicionais.
Resta determinarmos quando, a partir de um dado vertice, podemos identicar ilimitaca~o, o que e estabelecido no lema abaixo, e em caso contrario, como gerar um vertice melhor.
Lema 3.11 Dado v 2 V (X ) com base associada B = (j1 ; j2 ; : : : ; jm ), se existir k 62 B tal que:
(
k = ck (AB1a k )tc B > 0
= AB1a k =< 0 ;
16 de agosto de 2007 36
8
>
<
ji
ji 2B ia , ou seja, >
:
hji = i ; i 2 f1; 2; : : : ; mg (e ji 2 B )
hk = 1
hj = 0;
j 62 B; j 6= k:
Prova Para provar que conjunto SI acima descrito, uma semireta com origem em v e direca~o h e uma semireta
de ilimitaca~o para o (PLC), basta vericar que: h 2 C e hc ;hhi > 0.
Para provar que h 2 C , basta notar que
Ah = ABh B + AN h N = ABh B + hka k = AB ( AB1a k ) + a k = 0 ,
< 0 implica que h =
> 0 (logo h 2 C ).
e que =
Para mostrar que hc ;hhi > 0, tambem usaremos a decomposica~o x = (x B ;xxN )t ,
hc;hhi = hcB ;hhB i + hc~; h~i = hcB ; i + ck = ck hcB ; AB1ak i = ck h(AB1)tcB ;aak i
=
k > 0:
base.
Lema 3.12 Dado v 2 V (X ) com base associada B = (j1 ; : : : ; jm ), se existir k 62 B tal que:
(
k = ck (AB1a k )t cB > 0
= AB1a k =6< 0;
ent~ao existe uma base viavel B 0 diferente de B em um unico ndice, tal que:
(i) ou B 0 dene um vertice v 0 : hc ;vv 0 i > hc ;vv i;
(ii) ou B 0 e outra base associada ao vertice v (neste caso v e vertice degenerado).
P
ji
Prova Denindo h como no lema anterior, isto e, h := e k
ji 2B ia , temos que, como Ah = 0 e
1 >
b = Av = ABv B + AN v N = ABv B (v B = AB b = 0 ). Denindo x () := v + hh, para => 0, temos que:
x () = v + hh 2 X
Sejam l
0
tal que bll = e
ji0 = ji ; se i 6= l
jl0 = k:
Claramente I (x ()) B 0 . Portanto, se B 0 formar uma base, esta sera viavel. Suponhamos por contradi0
j
ji m ao l.i. e fa ji0 gm = fa ji g
k
ca~o, que fa ji gm
ao a k pode
ji 2B;i6=l [fa g l.d., ent~
i=1 = fa gj 2B seja l.d. Como fa gi=1 s~
i=1
ser escrito como combinaca~o linear de fa ji gji 2B;i6=l . Logo, existem fi = i 2 f1; 2; : : : ; mg; i 6= lg, n~ao todos
nulos, tais que
0
a jl = a k =
m
X
i=1;i6=l
iaji =
m
X
i=1
iaji ; com l = 0:
Isto e, existe 2 IRm , para o qual AB = a k , com l = 0. Como AB e n~ao singular, = AB1a k = , com
l = 0. Portanto l = 0, o que resultaria em uma contradica~o, da fa ji0 gm
i=1 e l.i.
Assim x () e uma soluca~o basica viavel do (PLC), ou seja, x () e um vertice de X . Em resumo:
16 de agosto de 2007 37
Indice Remissivo
m-upla ordenada [Cap. 3]
, 31
,6
, 31
,2
, 11
, 20
semi-espacos [Cap. 2]
soluca~o basica [Cap. 3]
soluca~o basica degenerada [Cap. 3]
soluca~o basica viavel [Cap. 3]
,2
, 28
, 30
, 29
, 12
, 30
38
, 33
, 33
, 33
, 33