Forma Padrão de um PPL

 n
 ∑ aij x j = bi onde bi ≥ 0 (i = 1,2,...m) restrições
 j= 1

 x j ≥ 0 ( j = 1,2,...n) restrições de não negatividade
 n
 ∑ c x = Q( x) → MIN Função Objetivo
 j = 1 j j

ou

 n
 ∑ ajxj = b onde b ≥ 0
 j= 1

 x j ≥ 0 ( j = 1,2,...n)
 n
 ∑ c x = Q( x) → MIN
 j = 1 j j

aj e b são vetores m x 1
c e x são vetores n x 1, constituídos pelos elementos ci e xi respectivamente.
ai é um vetor (m x 1) constituído pelos m elementos da coluna j da matriz
A(mxn)

em notação matricial, tem-se:

 Ax = b

 x≥ 0
 T
 c x = Q( x)

Redução de um PPL qualquer à forma padrão

a. Ocorrência de desigualdades
n n

Se ∑ a kj x j ≤ bk → ∑ a kj x j + x n + 1 = bk
j= 1 j=1
 n n
Se ∑ a kj x j ≥ bk → ∑ a kj x j − x n + 1 = bk
j= 1 j= 1

x n + 1 é uma variável de folga positiva (uma para cada desigualdade)

b. bi < 0

Multiplicar a restrição i por (-1)

c. Se ocorrerem variáveis livres

Uma variável livre pode ser substituída pela diferença entre duas variáveis
positivas, ou seja, se x k é livre, então pode-se fazer x k = x k' − x k'' , onde
x k' e x k'' são positivas.

d. Variável não positiva

Basta substituir a variável não positiva pela sua simétrica, ou seja se x k

é não positiva basta fazer x k = − x k' , onde x k' é positiva.

e. Função é para ser maximizada, ou seja, MAX Q(x)

Basta então minimizar Q ' ( x) = − Q( x)

Vetores Linearmente Independentes

Um conjunto de vetores v1 , v 2 ,..., v m será linearmente independente (l.i.)

m →
se e somente se ∑ ki v i = 0 → k i = 0 i ∈ {1,2,...m}
i= 1

Base de um Espaço Vetorial

Um conjunto de vetores {v1 , v 2 ,..., v m } pertencente a um espaço vetorial
V é uma base para V se:
i) {v1 , v 2 ,..., v m } é linearmente independente;
ii) ∀ v ' ∈ V puder ser obtido como combinação linear dos vi (i=1,2,...m), ou
m
seja, existem k i ∈ ℜ tais que v' = ∑ ki v i
i= 1

Posto ou Rank de uma Matriz

Posto ou rank de uma matriz é o número máximo de linhas ou colunas
linearmente independentes.
Posto de uma matriz A é um número natural m≥1 tal que:
i) Existe pelo menos uma submatriz quadrada de ordem m, cujo determinante é
diferente de 0;
ii) Toda submatriz quadrada de A de ordem maior do que m, tem determinante
nulo.

Resolução de um Sistema de m Equações e n Incógnitas, onde m>n

Seja o sistema Ax = B , onde A é uma matriz (m x n). Suponhamos que o
posto(A) = posto(A,b) = m ≤ n.
O sistema Ax = B pode então ser escrito na forma Bx B + Rx R = b
Denominamos B de base pois os vetores colunas de B constituem uma
base para ℜ m . As componentes de x relativas às colunas de B e R, ou seja, as
componentes de x B e x R serão denominadas, respectivamente, variáveis básicas
e variáveis não básicas.
B não sendo singular admite inversa B-1, e portanto podemos escrever:
B − 1 Bx B + B − 1 Rx R = B − 1b → (
x B + B − 1 Rx R = B − 1b ou x B = B − 1 b − Rx R )
R
Se o sistema é indeterminado teremos que atribuir valores a x para
encontrarmos valores de xB.
Em PPL estamos interessados em um tipo de solução obtida fazendo-se
x = 0 . Tal solução receberá o nome de solução básica que poderá ser um
R

vértice.
Para encontrarmos uma solução podemos partir de uma matriz expandida
B | R | b . Através de transformações lineares poderíamos obter I | B −1 R | B −1b
igual a x B + B − 1Rx R = B − 1b . Isto nos conduziria a uma solução, bastando calcular xB
para xR = 0.
 Podem existir na matriz A diversas submatrizes não singulares de ordem m, ou
seja, podemos diferentes opções quanto à escolha de x B e de x R , e por conseguinte,
encontraríamos ao fazer x R = 0 , diferentes soluções básicas ou vértices.

Conjunto Convexo
Um conjunto de pontos M chama-se convexo, se toda combinação linear
convexa de qualquer par de pontos x1 ∈ M e x 2 ∈ M também pertencerem a M.
O conjunto M das soluções viáveis de um PPL é convexo. Um vértice ´e
um conjunto de soluções viáveis básicas.

Definição de Vértice
Um ponto x de um conjunto convexo M denomina-se vértice (ou ponto
extremo) de M, quando ele não pode ser obtido através de uma combinação
linear convexa legítima de nenhum par de pontos distintos de M.

Combinação linear convexa legítima

Sejam x1 , x 2 ,...x k vetores de ℜ n e α 1 ,α 2 ,...α k números reais.

k k
x= ∑ α i xi é uma combinação linear convexa, se αi ≥ 0 ∀ (i=1,2,...k) e se ∑ α i = 1.
i= 1 i= 1
Se αi > 0 ∀ (i=1,2,...k), trata-se de uma combinação linear convexa legítima.

Exemplo. Vamos considerar um segmento de reta que representa uma restrição

de um PPL, definido pelos seus vértices ou extremos x1 e x2. Qualquer ponto
entre x1 e x2 pode ser obtido através de uma combinação linear convexa.

21 2 1 1M ,5
Suponhamos que
x = ex = . O ponto médio entre x1 e x2 será
x=
2,5
, obtido

32
fazendo-se x M = 0,5 x1 + 0,5 x 2 .
Os pontos extremos só podem ser obtidos a partir de uma combinação linear
convexa legítima, ou seja: x1 = 1x1 + 0 x 2 ou x 2 = 0 x1 + 1x 2 .
Caracterização de Vértice
Seja o seguinte PPL: com variáveis de folga
 x1 ≤ 2 → R1
x ≤ 2 → R2
 2  x1 + x3 = 2
 x1 + x2 ≤ 3 → R3  x + x4 = 2
 2
 
 3x1 + 3x2 ≤ 9 → R4  x1 + x2 + x5 = 3
 3x + 3 x
 x1 ≥ 0 → R5  1 2 + x6 = 9
  x j ≥ 0 j = 1,2,...6
 x2 ≥ 0 → R6

Um vértice é obtido pela interseção de hiperplanos definidos pelas restrições e

pelas condições de não negatividade. O ponto B é a interseção de R 2 e R5. O
ponto A é a interseção de R5 e R6. Para um ponto situar-se em um dado
hiperplano restrição tem-se que anular ao menos uma variável. Anulando-se x3
teremos um ponto no hiperplano R1, anulando-se x1 teremos um ponto no
hiperplano R5 e anulando-se x5 e x6 teremos um ponto no hiperplano R3=R4.
Para se encontrar então um vértice, tem-se que anular um certo número de
variáveis, afim de que o problema se torne determinado, ou seja, pode-se anular
xR para se obter Bx B = x B ou x B = B − 1b .
Só se terá um vértice se a solução for viável, ou seja, se x B = B − 1b ≥ 0 . Ao se
fazer x3=x4=0, obtém-se x5=-1 e x6=-3, o que indica que o ponto G não é solução
viável, portanto não é vértice.
Ao invés de se procurar anular um conjunto de variáveis xR, de m,odo a se obter
uma matriz não singular B, pode-se inverter a ordem do processo, escolhendo-se
primeiramente B. Pode-se, então, obter vértices da seguinte maneira:

a) escolhendo-se uma matriz não singular B, de modo a se ter

Bx B + Rx R = b ;
b) fazendo-se x R = 0 ;
c) obtendo-se x B = B − 1b ≥ 0
Dessa forma obtém-se uma solução viável básica.

Solução Básica e Solução Básica Viável

Seja uma matriz m x n tal que o posto de A seja igual a m. Seja o PPL
dado na sua forma matricial.
Um conjunto de m vetores coluna aj linearmente independentes denomina-
se Base associada a A ou simplesmente Base. Os vetores aj.. As m componentes
de x correspondentes aos vetores base denominam-se variáveis básicas. As (n-m)
componentes são as variáveis não básicas.

 n
 ∑ ajxj = b onde b ≥ 0
 j= 1

 x j ≥ 0 ( j = 1,2,...n)
 n
 ∑ c x = Q( x) → MIN
 j = 1 j j

Anulando-se as (n-m) variáveis não básicas, obtemos um sistema compatível e

determinado, constituído de m equações e m incógnitas. Resolvendo-o, ou seja,
determinando-se o valor das variáveis básicas, obtemos uma solução básica. Uma
solução básica onde as variáveis básicas são não negativas denomina-se solução
básica viável, ou seja , um vértice. A solução viável que minimiza Q(x) recebe o
nome de solução ótima.

Uma solução básica viável que onde ao menos uma variável básica é nula,
denomina-se solução básica degenerada.