9

Introduo Otimizao No-Linear

9.1 Introduo
O engenheiro eletricista est constantemente envolvido na soluo de
problemas fsicos. Estes problemas podem envolver projetos de equipamentos, operao de
sistemas, otimizao de circuitos e etc. Certamente, com a escassez de recursos e a
concorrncia acirrada, inevitvel a utilizao de ferramentas de otimizao. Nas
otimizaes, geralmente procura-se, maximizar lucros, minimizar perdas, realizar projetos
econmicos e seguros, maximizar a capacidade de transmisso de uma rede satisfazendo
suas limitaes e etc. Em sntese, quando se fala em otimizao est-se pensando em
maximizar ou minimizar uma funo, chamada de funo objetivo, sujeita a certas
restries. Matematicamente, tem-se:
Minimizar f (x)
Sujeito a: x S

(9.1)

f : n

S n onde S chamado de conjunto factvel.

Normalmente a formulao de um problema de otimizao descrita por uma

minimizao, entretanto, maximizar uma funo objetivo f equivalente a minimizar f.
Exemplo:
Minimizar f ( x) ( x 2 1) equivalente a Maximizar f ( x) ( x 2 1) . Veja as figuras:
Minimizao
Maximizao
5

f (x)

4.5
4

-1

3.5

-1.5

-2

2.5

-2.5

-3

1.5

-3.5

0
-3

-4.5
x

-2

-1

f max mo = -1
para x=0

-4

f mnimo = 1
para x=0

0.5

f (x )

-0.5

-5
-3

x
-2

-1

Observe no exemplo que tanto na minimizao como na maximizao o ponto timo est
em x=0.

9.2 Reviso de Clculo e Sistemas Lineares

Determinao do ngulo entre dois vetores no n
z

teta

y
x
cos( )

u v
u v

onde

u v o produto interno entre os vetores u e v.

Equao paramtrica da reta no n

z
v

Reta R

r (t ) x 0 t v
x0

y
x

A equao paramtrica da reta R dada por:

r (t ) x 0 t v

onde:
2

x 0 - vetor inicial (ponto inicial)

- vetor na direo da reta R ( pontos da reta R)

t - escalar variando de ( , )
r (t ) - vetor de pontos da reta R.
v

Observe que qualquer ponto no espao representado por um vetor.

Exemplo 9.1: Determine a equao paramtrica da reta que passa pelo ponto x 0 (1,1,1) T
na direo do vetor v (1,1,0) T .
r (t ) x 0 t v (1,1,1) T t (1,1,0) T (1 t ,1 t ,1) T

t ( , )

Observe que a reta s depende da varivel t, e r (t ) so pontos no espao 3 .

z

r (t ) x 0 t v
1

x 0 (1,1,1)
1

y
1

v (1,1,0)

Exemplo 9.2: Determine a equao no paramtrica dada pela equao:

r (t ) ( x, y ) T ( 4 2t ,3 6t ) T

(4 x)
2
(4 x)
y 3 6t 3 6
15 3 x
2

x 4 2t t

Segmento de Reta entre os pontos r e s pertencentes reta r, u s

(s u)

Reta r

u
s

y
x

r (t ) u t ( s u ) u t s t u (1 t )u t s para 0 t 1 .

Exemplo 9.3: Determine a equao do segmento de reta que passa pelos pontos (2,0) e
(0,2).
r (t ) (1 t )u t s para 0 t 1 .

Como u (0,2) e s (2,0) , tem-se:

r (t ) (1 t )u t s (1 t )(0,2) t (2,0) ( 2t ,2 2t )

0 t 1.

r (t ) ( 2t ,2 2t )

0 t 1

x
y

Hiperplanos
Uma reta em 2 e um um plano em 3 so descritos por uma equao linear
no n . Uma reta no 2 um hiperplano neste subespao e sua equao dada por:
a1 x1 a 2 x 2 b

O plano no 3 um hiperplano neste subespao e sua equao dada por:

a1 x1 a 2 x 2 a 3 x 3 b

Genericamente, tem-se no n com equao dada por:

a1 x1 a 2 x 2 a 3 x 3 ....... a n x n b

Grfico de Uma Funo

Dada uma funo f : S n , de n variveis, o grfico de f o subconjunto
do espao Euclidiano (n+1) dimensional n 1 n 1 definido por:

( x , x
1

2,

x 3,........, x n , x n 1 ) n 1 n 1 ( x1 , x 2 , x 3,........, x n ) n e x n 1 f ( x1 , x 2 , x 3,........, x n )

Exemplo:
f ( x, y ) x 2 2 y 2

Observe que esta funo est definida no 2 e o grfico dessa funo est definido no
3 . Na figura abaixo, apresenta-se o grfico da funo do exemplo.

Curva de Nvel
Seja f : D n uma funo de n variveis com domnio D. Dado um nmero k
(nvel), define-se a curva de nvel associado a k como o conjunto:

( x , x
1

2 ,......,

x n ) D n f ( x1 , x 2 ,......, x n ) k

Resumidamente, pode-se dizer que so os pontos do domnio da funo f para os quais o

valor da funo vale k.
Exemplo: Seja a funo do exemplo anterior:
f ( x, y ) x 2 2 y 2

A figura mostra curvas de nvel para diversos valores de k. Observe que a curva de nvel
so pontos do domnio da funo, cujo valor da funo igual a k.

k=1
k=0

k=3
k=2
x

Vetor Gradiente

Seja a funo escalar f : D n , diferencivel e contnua, e um ponto p do domnio D

de f. O vetor gradiente no ponto p o vetor:
f ( p ) f ( p )
f ( p )

,
,.......,
x 2
x n
x1

f ( p )

O vetor gradiente representa uma direo no espao n .

Matriz Hermitiana
Seja A uma matriz complexa. Ele definida como uma matriz Hermitiana se satisfizer a
seguinte relao:
A * A , ou seja a ij a ij , onde a notao * significa conjugado transposto e a barra

significa conjugado. A matriz Hermitiana deve ser quadrada e os elementos diagonais

devem ser reais.

Exemplo:

A 1 2 j
3 j1

Observe que

a ij a ij

1 j2
3
4 j5

3 j1

4 j 5
4

, portanto a matriz A Hermitiana.

Autovalores e Autovetores de uma Matriz

Seja uma matriz A de orderm n n , os autovalores dessa matriz so definidos como os
valores que satisfaam a relao:
A x x para x 0 .
Rearranjando a expresso, tem-se:
( A I ) x 0 , I = matriz identidade
Para x 0 esta equao s satisfeira se a matriz ( A I ) for singular, portanto:
det( A I ) 0 n a1 n 1 a 2 n 2 ..........a n 1 a n

O polinmio resultante conhecido como polinmio caracterstico e suas n razes so os

autovalores da matriz A.
Exemplo:
2
A
1

1
2

det( A I )

2 4 3 0

A soluo do polinmio caracterstico utilizando a Frmula de Bskara, resulta em:

1 3 e 2 1
A todo autovalor i da matriz est associado um autovetor x i que satisfaz a relao:

Ax i i x i

Matriz Definida Positiva

Uma matriz A de orderm
relao:

n n definida positiva se para qualquer vetor

x0

tem-se a

x T Ax 0

A matriz A definida positiva se e somente se todos seus autovalores so maiores que zero.
A matriz semi-definida positiva se pelo menos um autovalor zero e os demais so
positivos.
Exemplo:
2
A
1

1
2

det( A I )

2 4 3 0

Tem-se: 1 3 e 2 1 . Portanto, a matriz A definida positiva.

9.2 Programao Linear

Um problema de programao linear uma funo linear, a ser minimizada ou
maximizada, sujeita a restries tambm lineares.
A forma padro de problema de programao linear dado por:
n

Minimizar f c i x i
i 1

Sujeito :
n

a ij xi b j 0

j 1,......, m

i 1

xi 0

i 1,......, n

Exemplo 9.4:
Considere que sejam disponveis 8 peas pequenas e 6 peas grandes do brinquedo Lego.
Deseja-se construir mesas e cadeiras. O padro para a montagem de mesas cadeiras :
1) cadeira: 2 peas pequenas e 1 pea grande.
2) Mesa: 2 peas pequenas e 2 peas grandes.
O lucro mximo obtido por uma cadeira $10, e o obtido com uma mesa $16. Deseja-se
determinar um mix de mesas e cadeiras de forma a maximizar os lucros.
x1 cadeiras
x 2 mesas

f:

funo objetivo

f 10 x1 16 x 2

2 x1 2 x 2 8 nmero mximo de peas pequenas

x1 2 x 2 6 nmero mximo de peas grandes

Restries:

x1 0 restrio de no negatividade
x 2 0 restrio de no negatividade
6

funo objetivo
x2 =(f / 16) -(5 / 8).x1

x2
5

f = 52

x2=-(x1/2)+3

3
2

x2=x1+4

f = 40

f = 48

conjunto vivel

1
0

x1

f=0
-1
-1

O conjunto vivel, que resulta da interseco dos hiperplanos gerados pelas restries,
forma um poliedro. Os pontos de interseco de duas ou mais arestas do poliedro so
chamados de pontos extremos. Se o problema de programao linear possuir soluo, ento
existe um ponto extremo do poliedro que solucione o problema.
Para a soluo de problemas de otimizao linear, utiliza-se o Mtodo Simplex e o Mtodo
de Pontos Interiores.
Referncias:
Bazaraa, Mokhtar S. e Shetty, C. M., Nonlinear Programming Theory and Algorithms, John
Wiley & Sons.
Arbel, Ami, Exploring Interior-Point Linear Programming Algorithms and Software,
MIT Press.