Docsity
Docsity

Prepare-se para as provas
Prepare-se para as provas

Estude fácil! Tem muito documento disponível na Docsity


Ganhe pontos para baixar
Ganhe pontos para baixar

Ganhe pontos ajudando outros esrudantes ou compre um plano Premium


Guias e Dicas
Guias e Dicas


Método Simplex: Definições e Resultados Básicos, Slides de Engenharia Elétrica

Texto sobre método simplex

Tipologia: Slides

Antes de 2010

Compartilhado em 13/10/2010

mayk-coelho-1
mayk-coelho-1 🇧🇷

4.5

(11)

28 documentos

1 / 32

Toggle sidebar

Esta página não é visível na pré-visualização

Não perca as partes importantes!

bg1
O Método Simplex
Cid C. de Souza
Instituto de Computac¸ ˜
ao UNICAMP
Cid de Souza M´
etodo Simplex p.1/63
Definições e Resultados Básicos
SRé convexo se e somente se todo ponto xque é
uma combinação linear convexa de um par de pontos
qualquer (x1, x2)de Stambém pertencer a S.
CONVEXO NÃO CONVEXO
Proposição: S={xRn:Ax b, x 0}é convexo.
Cid de Souza M´
etodo Simplex p.2/63
pf3
pf4
pf5
pf8
pf9
pfa
pfd
pfe
pff
pf12
pf13
pf14
pf15
pf16
pf17
pf18
pf19
pf1a
pf1b
pf1c
pf1d
pf1e
pf1f
pf20

Pré-visualização parcial do texto

Baixe Método Simplex: Definições e Resultados Básicos e outras Slides em PDF para Engenharia Elétrica, somente na Docsity!

O Método Simplex

Cid C. de Souza

[email protected]

Instituto de Computac¸ ˜ao – UNICAMP

Cid de Souza – M ´etodo Simplex– p.1/

Definições e Resultados Básicos

S ⊆ R é convexo se e somente se todo ponto x que é

uma combinação linear convexa de um par de pontos

qualquer (x

1

, x

2

) de S também pertencer a S.

CONVEXO NÃO CONVEXO

Proposição: S = {x ∈ R

n

: Ax ≤ b, x ≥ 0 } é convexo.

Definições e Resultados Básicos

Definição (geométrica):

x é um ponto extremo de S se e somente se não existem

pontos distintos x

1

e x

2

de S tal que αx

1

+ (1 − α)x

2

= x

com 0 < α < 1.

Definição (algébrica):

Seja S = {x ∈ R

n

: Ax ≤ b, x ≥ 0 } x não vazio, A : m × n,

m ≤ n e ρ(A) = m. Se x é ponto extremo de S então x

satisfaz n desigualdades linearmente independentes de

S na igualdade.

Cid de Souza – M ´etodo Simplex– p.3/

Definições e Resultados Básicos

(algébrica =⇒ geométrica)

Seja Gx ≤ g o subsistema linear de S com n desigualdades LI

satisfeitas na igualdade, ou seja,

Gx = g, G : n × n, ρ(G) = n.

Supor por contradição que x = αx

1

  • (1 − α)x

2 , x

1 6 = x

2 ∈ S.

Isso implica que Gx = αGx

1

  • (1 − α)Gx

2 = g.

Como α > 0 , 1 − α > 0 , Gx

1 ≤ g e Gx

2 ≤ g, Gx

1 = Gx

2 = g.

Uma vez que G é inversível, isso obriga que x = x 1 = x 2 .

Logo, x deve ser extremo. 

Representação de Poliedros

x

x

x

d

d

x

x

x

x

x

POLIEDRO ILIMITADO

POLIEDRO LIMITADO

(POLITOPO)

Cid de Souza – M ´etodo Simplex– p.7/

Soluções básicas

S = {x ∈ R

n

: Ax = b, x ≥ 0 }

Se y ∈ S então y é uma solução viável.

Supor que A : m × n, ρ(A) = m e n ≥ m.

Então, x é uma solução básica se xi = 0 para todo

i = m + 1,... , n e a matriz B = [A• 1 A• 2... A•m] é

inversível.

(assume-se que as colunas de A e as componentes de x

tenham sido rearranjadas apropriadamente).

Soluções básicas

x =

2 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 4 x 1

x 2

. . .

...

0

. . .

0

3 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 5

=

2

6 6 4

xB

...

xN

3

7 7 5

,

onde xB são as variáveis básicas e xN são as variáveis não básicas.

Ax = [B N ]

xB

xN

 (^) = Bx B +^ N xN =^ b^ =⇒^ xB =^ B

− 1 b − B

− 1 N xN.

Cid de Souza – M ´etodo Simplex– p.9/

Soluções básicas (exemplos)

x 1 + x 2 ≤ 6

x 2 ≤ 3

x 1 , x 2 ≥ 0

x 1 + x 2 + x 3 = 6

x 2 + x 4 = 3

x 1 , x 2 , x 3 , x 4 ≥ 0

A =

x

x

(0,3)

(3,3)

(0,0)

x1=

x2=

x4=

x3=

(6,0)

Soluções Básicas e Pontos Extremos

Teorema: Seja S = {x ∈ R

n : Ax = b, x ≥ 0 }. Então, x é um ponto

extremo de S se e somente se x é uma solução básica viável.

(básica =⇒ extremo)

Seja x uma solução básica e assuma por contradição que

x = αy + (1 − α)z, y, z ∈ S − {x} e α ∈ (0, 1).

x =

x

B

= α

y

B

ym+

. . .

yn

  • (1 − α)

z

B

zm+

. . .

zn

Cid de Souza – M ´etodo Simplex– p.13/

Soluções Básicas e Pontos Extremos

Como ym+j ≥ 0 , zm+j ≥ 0 e 0 < α < 1 , tem-se que,

ym+j = zm+j = 0 para todo j = 1,... , n − m.

Além disso,

Ay = [B N ][y

B

0] = By

B

= b

Az = [B N ][z

B

0] = Bz

B

= b

=⇒ y

B

= z

B

= xB = B

− 1

b.

Conclui-se que x não pode ser escrita como combinação

convexa estrita de dois pontos distintos de S. Logo, x é

ponto extremo. 

Soluções Básicas e Pontos Extremos

(extremo =⇒ básica)

Como x é extremo, existem n restrições LI em S que são

satisfeitas na igualdade. Logo existem n − m equações da

forma xi = 0 que são satisfeitas para i ∈ N ⊆ { 1 ,... , n}.

Assim, tem-se o sistema linear da forma Ax = b, xN = 0 que é

satisfeito por x que, na forma matricial, é dado por:

Ax =

2

4

B N

0 I

3

5

2

4

xB

xN

3

(^5) =

2

4

b

0

3

(^5).

Este sistema tem solução única pois as linhas de A são LI.

Logo det(B) = det(A) e, portanto, B é inversível e a solução

do sistema acima é básica. 

Cid de Souza – M ´etodo Simplex– p.15/

Pontos extremos e otimalidade

Teorema: S = {x ∈ R

n

: Ax ≤ b, x ≥ 0 } tem solução viável

se e somente se S tem um ponto extremo.

Teorema: Seja S = {x ∈ R

n

: Ax = b, x ≥ 0 }. Considere o

problema dado por z = min{cx : x ∈ S}. Se z tem valor

finito então existe um ponto extremo ótimo.

Além disso, se existir mais de um ponto extremo ótimo,

toda combinação convexa destes pontos será uma solução

ótima também.

Prova: Teorema de Caratheodory. .

Simplex: exemplo

z = max x 1 + 2 x 2

2 x 1 + x 2 ≤ 4

x 1 + 3 x 2 ≤ 6

x 1 + x 2 ≤ 3

x 1 , x 2 , ≥ 0

z = max x 1 + 2 x 2

2 x 1 + x 2 + y 1 + + = 4

x 1 + 3 x 2 + y 2 + = 6

x 1 + x 2 + y 3 = 3

x 1 , x 2 , y 1 , y 2 , y 3 ≥ 0

Cid de Souza – M ´etodo Simplex– p.19/

Simplex: exemplo

y1=

x1=

x2=

y3=

y2=

(0,0)

(0,2)

(2,0)

(6/5,8/5)

Simplex: exemplo

Primeira iteração: x 1 = x 2 = 0

variáveis básicas: y 1 , y 2 e y 3 :

z = x 1 + 2x 2

y 1 = 4 − 2 x 1 − x 2

y 2 = 6 − x 1 − 3 x 2

y 3 = 3 − x 1 − x 2

x 2 entra na base e y 2 sai da base

Segunda iteração: x 1 = 0, x 2 = 2

variáveis básicas: y 1 , x 2 e y 3 :

z = 4 +

1 3

x 1 −

2 3

y 2

y 1 = 2 −

5 3

x 1 +

1 3

y 2

x 2 = 2 −

1 3 x 1 −

1 3 y 2

y 3 = 1 −

2 3 x 1 +

1 3 y 2

x 1 entra na base e y 1 sai da base

Cid de Souza – M ´etodo Simplex– p.21/

Simplex: exemplo

Terceira iteração: x 1 =

6 5 , x 2 =

8 5

variáveis básicas: x 1 , x 2 e y 3 :

z =

66 15

1 5 y 1 −

9 5 y 2

solução ótima! (cj < 0 , ∀j ∈ N )

Simplex: caso ilimitado (cont.)

penúltima iteração:

vértice degenerado (1,0)

x 1 x 2 y 1 y 2 y 3 y 4 RHS

z 0

5 3

1 3 0 0 0 − 1

x 1 1 1 3

− 1 3

0 0 0 1

y 2 0

5 3 −

2 3 1 0 0 5

y 3 0 −

7 3

1 3 0 1 0 0

y 4 0 −

5 3

2 3 0 0 1 8

última iteração:

vértice degenerado (0,3)

problema ilimitado!

direção extrema: d =

2

4

1

2

3

5

x 1 x 2 y 1 y 2 y 3 y 4 RHS

z 0 0

1 3 −

2 3 0 0 -

x 1 1 0 −

1 5 −

2 15 0 0 0

x 2 0 1 −

2 5

2 5 0 0 3

y 3 0 0 −

3 5

14 15 1 0 7

y 4 0 0 0

2 3

0 1 13

Cid de Souza – M ´etodo Simplex– p.25/

Dualidade

Primal:

(P )

max z

∗ = cx

s.a Ax ≤ b

x ≥ 0

Dual:

(D)

min w

∗ = ub

s.a uA ≥ c

u ≥ 0

Exemplo:

(P )

max z = x 1 + x 2 + x 3

s.a x 1 − 3 x 2 + 4 x 3 = 6

x 1 − x 2 ≤ 3

2 x 2 − x 3 ≥ 4

x 1 ≥ 0 , x 2 ≥ 0 , x 3 ∈ R

Dualidade (cont.)

(D)

min w = 6 u 1 + 3 u 2 − 4 u 3

s.a u 1 + u 2 ≥ 1

− 3 u 1 − u 2 − 2 u 3 ≥ 1

4 u 1 + u 3 = 1

u 1 ∈ R , u 2 ≥ 0 , u 3 ≥ 0

Existe uma variável dual para cada restrição do primal e vice-versa.

Proposição: O dual do dual é o primal

Cid de Souza – M ´etodo Simplex– p.27/

Dualidade (cont.)

Proposição: (Dualidade Fraca)

Se x é uma solução primal viável e u é uma solução dual

viável então cx ≤ z

≤ w

≤ ub.

Relação entre os valores ótimos primal e dual:

1. se z

→ ∞ (P ilimitado) então D é inviável.

2. se w

→ −∞ (D ilimitado) então P é inviável.

3. se P e D são ambos limitados então z

= w

(Dualidade Forte).

4. P e D são ambos inviáveis.

Relações entre o primal e o dual

Primal: Limitado

max z = x

s.a x ≤ 5

x ≥ 0

0 5

Dual: Limitado

min w = 5u

s.a u ≥ 1

u ≥ 0

Cid de Souza – M ´etodo Simplex– p.31/

Relações entre o primal e o dual

Primal: Inviável

max z = x 1 − x 2

s.a x 1 + x 2 ≤ − 1

x 1 + x 2 ≥ 1

x 1 , x 2 ∈ R

Dual: Inviável

min w = −u 1 − u 2

s.a u 1 − u 2 = 1

u 1 − u 2 = − 1

u 1 , u 2 ≥ 0

Complementaridade de Folgas

(P )

max z

∗ = cx

s.a Ax + s = b

x ≥ 0 , s ≥ 0

(D)

min w

∗ = ub

s.a uA − t = c

u ≥ 0 , t ≥ 0

Teorema das Folgas Complementares: (x

∗ , s

∗ ) é uma solução ótima

de P e (u

∗ , t

∗ ) uma solução ótima de D se e somente se, para todo

j ∈ { 1 ,... , n}, x

∗ j t

∗ j = 0 e, para todo i ∈ { 1 ,... , m}, u

∗ i s

∗ i

Prova: (⇒) u ∗ é viável para D, logo u ∗ A − t ∗ = c.

Como x ∗ ≥ 0 , (u ∗ A − t ∗ )x ∗ = cx ∗ .

Reescrevendo chega-se a: u

∗ Ax

∗ − t

∗ x

∗ = cx

∗ .

Como x

∗ é viável para P , tem-se: u

∗ (b − s

∗ ) − t

∗ x

∗ = cx

∗ .

Pela dualidade forte, conclui-se que: u

∗ s

  • t

∗ x

∗ = 0.

Como x

∗ , s

∗ , u

∗ , t

∗ ≥ 0 o resultado fica mostrado. 

Cid de Souza – M ´etodo Simplex– p.33/

Complementaridade de Folgas (cont.)

Prova: (⇐) Como (x

, s

) e (u

, t

) são viáveis para P e

D respectivamente, tem-se:

cx

= (u

A − t

)x

= u

Ax

− t

x

= u

Ax

ou ainda

cx

= u

(b − s

) = u

b − u

s

= u

b.

Pela dualidade fraca, (x

, s

) deve ser uma solu-

ção ótima de P e (u

, t

) deve ser uma solução

ótima de D. 

Primal-Simplex formalizado

Definição: as bases B e B

são adjacentes se |B \ B

′ | = |B

\ B| = 1.

Movendo de uma base para outra: aumenta uma variável não

básica mantendo-se as outras em zero.

xB +B

− 1

N xN = B

− 1

b =⇒ xB +B

− 1

a•rxr = b =⇒ xB + yrxr = b

1. Se para todo i = 1,... , m, (yr)i ≤ 0 , xr cresce indefinidamente

e a base não muda.

2. Se para algum j ∈ { 1 ,... , m}, (yr)j > 0 , escolher

s ∈ { 1 ,... , m} tal que: bs

(yr)s

= min

bi

(yr)i

: (yr)i > 0

Cid de Souza – M ´etodo Simplex– p.37/

Primal-Simplex (cont.)

xr entra na base com valor

bs (yr )s

e (xB )s sai da base.

Definição: uma soluçao primal viável é degenerada se

xB = b e bi = 0 para algum i = 1,... , m.

Observação: se não existir nenhuma base degenerada então,

definida uma variável não-básica para entrar na base, só ha-

verá uma variável básica candidata a sair da base.

Primal-Simplex (cont.)

Corolário: Seja B uma base não degenerada primal viável mas dual

inviável, i.e., existe xr não básica com custo reduzido

cr = cr − cB B

− 1 a•r = cr − cB yr > 0.

  1. Se yr ≤ 0 então z

∗ → ∞ (primal ilimitado).

  1. Se ∃s tal que (yr )s > 0 então é possível mover para uma única base

B

(r) de melhor custo.

Prova:

  1. xB = b − yr xr , logo z = z 0 + cr xr > z 0 e, portanto, z → ∞ quando

xr → ∞.

  1. Na base B

(r) , o custo será cB(r) xB(r) = z 0 + cr xr > z 0 = cB xB. 

Cid de Souza – M ´etodo Simplex– p.39/

Primal Simplex: Fase 2

Passo 1: encontrar base primal viável B ( FASE 1 ).

Passo 2: se (cN − cB B

− 1 N ) ≤ 0 , PARE!

Retorne a solução ótima xB = B

− 1 b, xN = 0.

Se não (pricing) escolher r tal que cr = cr − cB B

− 1 a•r > 0.

Se yr = B

− 1 a•r ≤ 0 , PARE! Retorne “problema ilimitado”.

Se não, escolher s tal que (yr )s > 0 e

bs (yr )s

= min (yr )i> 0

bi

(yr )i

(⋆ s sai da base e r entra na base ⋆)

Executar troca de base (pivoteamento): B ← B r {B•s} ∪ {a•r}.

Voltar ao Passo 1.

Proposição: Não havendo soluções básicas degeneradas, o algoritmo

primal simplex temina em um número finito de passos.