APRESENTADA
À EPGE
DA FUNDAÇÃO GETÜLIO VARGAS
CIRCULAR N9 62
As sunto; Defesa Publica de Dissertação
de Mestrado
Comunicamos formalmente â Congregação da Escola que esta
marcada para dia 12 de dezembro de 1986 (6a. feira), as 14:00h, no Au
ditório Eugênio Gudin (109 andar), a apresentação e defesa pública da
Dissertação de Mestrado, intitulada: "TÕPICOS DE CONVEXIDADE E APLICA
ÇÕES Ã TEORIA ECONÔMICA", do candidato ao título de Mestre em Economia,
Renato Fragelli Cardoso.
Anexamos, a esta, uma copia da súmula dessa Dissertação,
para seu conhecimento.
A Banca-Examinadora "ad hoc" designada pela Escola serã
composta pelos doutores: Mario Henrique Simonsen, Sérgio Ribeiro da Co£
ta Werlang e Carlos Ivan Simonsen Leal (Presidente).
Com esta convocação oficial da Congregação de Professores
da Escola, estão ainda convidados a participarem desse ato acadêmico
todos os alunos da EPGE, interessados da FGV e de outras instituições.
Rio de Janeiro, 02 de dezembro de 1986
íque
LAUDO SOBRE DISSERTAÇÃO DE MESTRADO
Como integrante da Banca Examinadora, designado pela
EPGE para julgar a dissertação de mestrado, intitulada "TOTICOS DE
CON-VEXIDADE E APLICAÇÕES Ã TEORIA ECONÔMICA", do candidato ao titulo, Sr.
RENATO FRAGELLI CARDOSO, apresento as seguintes ponderações que justiH
cam meu parecer e voto:
1. O candidato mostrou que possui vasto conhecimento
das áreas básicas da ciência econômica;
2. O assunto de que trata a sua dissertação de mes
-trado é difícil, e o candidato demonstrou muito
poder de síntese e habilidade de exposição;
3. O capitulo quatro, que se refere â ausência de
convexidade, ê o primeiro texto em português que
cuida do assunto de maneira ordenada e coerente.
Assim e nessas condições, sou de parecer que a refe
rida Tese seja aprovada e outorgado o título pretendido pelo candidato
e autor deste trabalho.
g
EPGE/IBRE
Rio de Janeiro, 12 de dezembro de 1986.
SÉRGIO RIBEIRO DA COSTA WERLANE ,
Professor da EPGE .
A-4 Formato Internacional
LAUDO SOBRE DISSERTAÇÃO DE MESTRADO
Como integrante da Banca Examinadora, designado pela EPGE
para julgar a Dissertação de Mestrado, intitulada "Tópicos de Convexidade e
A-plicaçoes ã Teoria Econômica", do candidato ao título, Sr. RENATO FRAGELLI CAR
DOSO, apresento as seguintes ponderações que justificam meu parecer e voto:
1) A tese demonstra alto grau de conhecimento teórico, e uma excelente capaci
dade de associar analise convexa ã econômica.
2) Trata-se de um assunto pouco explorado em teses de mestrado, o que a torna
original como trabalho do gênero.
3) 0 capitulo sobre nao convexidade trata de um dos aspectos mais fascinantes
da teoria do equilíbrio geral, sendo um dos primeiros trabalhos no gênero,
em língua portuguesa.
Assim e nessas condições, sou de parecer que a referida
Dissertação seja aprovada e outorgado o título pretendido pelo candidato e au
tor deste trabalho.
Rio de Janeiro, 12 de dezembro de 1986.
IIOJIENRIQTJE SIMONSEN,
Diretor da EPGE/FGV.
A-4 Formato Internacional
LAUDO SOBRE A DISSERTAÇÃO DE MESTRADO
Como integrante da Banca Examinadora, designada pela
EPGE para julgar a dissertação de mestrado,intitulada "TÕPICOS
DE CCNVEXTDADE E APLICAÇÕES Ã TEORIA ECONÔMICA", do candidato
ao titulo, Sr. RENATO FRAGELLI CARDOSO, apresento as seguintes
ponderações que justificam meu parecer e voto:
1) A dissertação apresenta de forma clara e concisa importantes
tópicos da Teoria do Equilíbrio Geral a Ia. Arrow-Debreu,bem
como todo o instrumental matemático que ê necessário para a
demonstração dos seus principais teoremas. A existência de
equilíbrio é discutida a partir de uma hipótese simplificado
ra, que diz que todos os agentes possuem um pouco de cada
bem. A prova se baseia no conhecido teorema de Gale-Nikaido
Debreu. Ainda nesta parte, são demonstrados os dois teore
mas clássicos da teoria do Bem-Estar Social usando monotoni_
cidade e convexidade das preferências, o que permite, no ca
so do 29 teorema do Bem-Estar Social, reduzir o problema da
existência de um equilíbrio competitivo à existência de um
hiperplano separando dois conjuntos.
Além disso, são igualmente apresentadas as correções que de
vem ser feitas ã Teoria do Equilíbrio Geral quando há ausên
cia de convexidade, seja nos conjuntos de produção e/ou nas
preferências dos indivíduos. Essas correções são basiadas
no Teorema de Shapley-Folkman (versão clássica).
A-4 Formato Internacional
Finalmente, como subproduto do teorema de Shapley-Folkman ê
apresentado o teorema de Anderson da convergência do core
para o equilíbrio walrasiano.
2) Ao longo do período de elaboração desta dissertação, o can
didato mostrou perseverança e tirocínio. Foi capaz de ad
quirir, num curto espaço de tempo, o rigor de raciocínio e
de exposição necessários e de aumentar de muito o seu conhe
cimento da parte clássica da Teoria Econômica.
Assim,nestas condições, sou de parecer que a referida
Tese seja aprovada e outorgado o título pretendido pelo cândida
to e autor deste trabalho.
Rio de Janeiro, 12 de dezembro de 1986.
S
EPGE/IBRE
*1
Carlos Ivan Simonsen Leal
Prof. da EPGE e
Presidente da Banca-Examinadora,
A-4 Formato Internacional
f-i
FUNDAÇÃO GETÚLIO VARGAS
TÓPICOS DE CONVEXIDADE E
APLICAÇÕES Ã TEORIA ECONÔMICA
DISSERTAÇÃO SUBMETIDA A CONGREGAÇÃO DA ;
ESCOLA
DE
POS-GRADUAÇÃO
EM
ECONOMIA
(EPGE)
|
DO
INSTITUTO
BRASILEIRO
DE
ECONOMIA
'
PARA OBTENÇÃO
DO
GRAU
DE
j
MESTRE EM ECONOMIA
POR
RENATO FRAGELLI CARDOSO
RIO DE JANEIRO
Dezembro, 19 86
A-4 Formato Internacional
Ao elaborar esta dissertação recebi a orien
tação de Carlos Ivan Simonsen Leal com a.qual pude superar
as dificuldades que surgiram ao longo do percurso. A Carlos
Ivan devo a motivação para escrever sobre o tema escolhido e
agradeço a dedicação e paciência com que leu as notas manus
critas que deram origem a esta versão final, apontando erros
e fazendo sugestões.
A Sérgio Ribeiro da Costa Werlang e Mario Hen
rique Simonsen agradeço a leitura da versão final do texto e
as críticas recebidas.
Finalmente a Maria das Graças Vargas da Silva
sou grato pela atenção com que pacientemente datilografou to
do o texto, enfrentando tantos simbolos matemáticos trabalho
sos.
CAPITULO I: REQUISITOS MATEMÁTICOS 01
1.1 - Introdução ' , oi
1.2 - Espaços Vetoriais 03
1.3- Convexidade 09
1.4 - Espaços Vetoriais Normados 15
1.5 - Teoremas de Separação 25
1.6 - Espaços de Banach e Teorema de Weierstrass .. 43
CAPITULO II: OTIMIZAÇÃO CONDICIONADA 47
II. 1 - Introdução 47
II. 2 t O Lema de Farkas 49
II. 3 - Programação Linear 63
II. 4 - O Teorema da. Dualidade de Fenchel 77
II. 5 - Programação Côncova 94
CAPITULO III: APLICAÇÕES A TEORIA ECONÔMICA , 110
III. 1 - Introdução 110
111.2 - O Modelo de-Produção e Consumo de Arrow
Debreu HO
111.3 - Existência de Equilíbrio na Economia de Pro
dução e Consumo 115
III. 4 - Eficiência e Equilíbrio 132
III. 5 - Apêndice. 2.42
CAPrUTLO IV: AUSÊNCIA DE GONVEXIDADE 146
IV. 1 - Introdução 146
IV. 2 - O Teorema de Shapley-Folkman 15 3
IV.3 - 0 Modelo de Produção e Consumo sem
Convexi-dade - 166
IV. 4 - O Modelo da Economia de trocas 174
Este trabalho tem como objetivo discutir as
implicações da hipótese de cònvexidade em modelos matemáti
cos da Teoria Econômica. A seleção dos pontos a serem abor
dados e sua distribuição ao longo dos quatro capítulos ten
ta conciliar a necessária objetividade de uma dissertação
de mestrado com a fertilidade do tema escolhido.
0 Capítulo I é destinado â exposição de con
ceitos puramente matemáticos que formam a base para a abor
dagem de problemas da Teoria Econômica tratados nos demais
capítulos. Seu ponto alto são.os teoremas de separação, ob
tidos a partir da hipótese de cònvexidade.
0 Capítulo II utiliza os teoremas de separa
ção para discutir alguns problemas de otimização condiciona
da que surgem com freqllência em Teoria Econômica. Em cada
seção apresentamos um desses problemas, provamos um teorema
que o soluciona e o utilizamos em uma aplicação a Teoria
Econômica.
Arrow-Debreu. Este modelo baseia-se na hipótese de
convexi-dade para provar a existência de equilíbrio competitivo em
uma economia com produção e consumo.
0 Capítulo IV destina-se à análise da exis
tência de equilíbrio competitivo em economias em que não ha
a hipótese de convexidade. Na introdução do capítulo dis
cutimos as implicações econômicas desta hipótese bem como de
sua ausência em economias com um grande numero de agentes. Em
seguida apresentamos dois modelos de economia competitiva on
de não consideramos a hipótese de convexidade.
Dados os vetores x,y G R utilizaremos as
notações abaixo:
x > y: x^ > y^ para todo i.
x > y: x^ > y^ para todo i e x. , > y. ,' para
pe-menos um i'.
x > y: x^ > y^ para todo i.
Denotaremos
os
vetores
e,
e-
G Rn
por
e » (1,1,...,1)
^ = (0,...,0,l,0,...,0), onde a i-êsima coordenada ê 1.
R"
:
x G R."
se
x > G.
n v P Rn
K++-
x fc K++
se x
> 0.
REQUISITOS MATEMÂTICOS
I.1 - Introdução
Neste capítulo desenvolvemos o instrumental
matemático que aplicamos nos demais capítulos. 0 capítulo
está dividido em 6 seções.
Na seção 1.1 apresentamos os principais con
ceitos da álgebra linear com os quais trabalhamos em todo
o capítulo.
Na seção 1.3 definimos conjunto convexo e
provamos os principais teoremas envolvendo esta definição.
A seção 1.4 introduz a noção de norma de um
vetor com a qual podemos definir propriedades
topolõgi-cas
dos
conjuntos
no
espaço
Rn.
Em
seguida
definimos
con
vergência de seqüências e continuidade de funções.
tulo: o teorema de separação de Mazur. Os corolários deste
Teorema serão muito utilizados nos capítulos II e III.
Finalmente, na seção 1.6 damos uma demonstra
ção do Teorema de Weierstrass que garante a existência de
pontos de máximo e de mínimo de funções reais definidas em
Neste item são apresentados os principais
conceitos da Álgebra Linear e alguns de seus resultados cujas demons
trações são omitidas para que não nos desviemos do tema des
te trabalho.
Definição:
Um espaço vetorial E é" um conjunto de elemen
tos chamados de vetores com as operações de soma e multipli
cação por escalar. Dados dos vetores x, y G E e um escalar
X, tem-se x+y E e Xx G E.. 0 conjunto E e as operações de
soma de vetores e multiplicação por escalar devem satisfazer
aos axiomas abaixo:
1) x+y = y+x
2) (x+y) + z= x+(y+z)
3) Existe um vetor nulo 9 E tal que x+9 = x para todo x 6 E
4) Para todo x G E existe -x G E tal que x+(-x)= 9
5) a(x+y) = ax+ay
8) Ox=9 e lx=x
Exemplos:
E = Rn
= {(Xp
x2,
...,
xn)
x±
G R,
i = 1, 2,
...
n}
E = Espaços das funções polinomiais definidas num
intervalo real [a, b]
Definição:
Um subespaço W do espaço vetorial E ê um sub
conjunto de E tal. que ax+By G W sempre que x, y G W.
Exemplos:
- Qualquer reta em R que contém a origem e um subespaço. 0
R também é um subespaço.
Exemplos
E =R
espaço. 0 R ê também um subespaço.
E = espaço das funções reais no intervalo [a,b] 6 R
E = espaço das funções polinomiais no intervalo [a,b] G R
E = espaço das funções exponenciais no intervalo [a,b].6 R
E e E são subespaços de E
Definição:
Uma combinação linear de vetores x-., X2, ...,
de
um
espaço
vetorial
E é
o vetor
ou
Xi
+ ot?
X2
+ * * *' + an
xn
onde os an , oc9, ..., a são escalares.
Definição:
Seja A um subconjunto do espaço vetorial E. 0
ele-minado por W(A) .
Exemplo:
E-
R2
í
w(A)
Definição:
Um conjunto finito A de vetores linearmente
independentes é denominado base de um espaço vetorial E se
W(A) = E, isto é, se o conjunto gera o espaço.
2 3
Exemplo: {1, x, x , x ... } é base do espaço E
Definição:
Seja W um subespaço do espaço vetorial E e x
um vetor de E. A translação de W por x é chamada de varie
dade linear de W que passa por x e é representada por V =
E = R
Definição:
Um vetor x de um espaço vetorial E é" dito
li-nearmente independente de um conjunto A contido nesse espa
ço se x não puder ser escrito como uma combinação linear de
vetores de A. Um conjunto de vetores é" dito linearmente in
dependente se cada um dos- vetores é linearmente independente
em relação aos demais.
Resultado 1:
Um conjunto de vetores x-. » A9 » T"k
linearmente independentes se, e somente se a-, x-. + ou X2 + ...+
Definição:
Um espaço vetorial é dito de dimensão finita
quando admite como base um conjunto finito de vetores.
Resultado 2:
Duas bases de um mesmo espaço vetorial E têm
necessariamente o mesmo numero de vetores linearmente inde
pendentes.
Definição:
Sejam A e B dois conjuntos contidos no espaço
vetorial E. A soma deA e B, representada por A+B, ê o con
junto de todos os vetores a+b onde aGA e bGB.
Exemplo:
e = A+B
Sejam E e F dois espaços vetoriais definidos
sobre o mesmo corpo de escalares. 0 produto cartesiano de E
por F, representado por ExF é o conjunto de todos os pares
ordenados (e,f) onde eGE e fG F :
Analogamente o produto cartesiano de dois con
juntos A e B ê o conjunto de todos os pares ordenados (a,b)
onde a A e be B :
Exemplo:
E=R,
F=R2
ExF
= R3
I.3.- Convexidade
Definição:
Um conjunto C contido num espaço vetorial E
ê convexo se dados dois pontos x,, x2 C, todos os pontos da
forma ax-^ + (l-cOx2 com °í a £ 1 pertencem a C.
Definição:
Sejam x-p X2, ..., xn pontos de um espaço
ve-torial E. Uma combinação convexa destes pontos é o ponto
n n
x = E «i xi> «i £ 0, i= 1, 2, ... n, e E a.= 1:
exemplo: E=R = (0,0)
x2 = (0,1)
x, = (1,0)
xo+
-r xi+
4" X2=
c
y
Teorema 1.1
A interseção de uma família (finita ou infi
nita) de conjuntos convexos é um conjunto convexo.
prova: Seja uma família de conjuntos convexos A, (XG A). Se
G
f]
A.
então
x e y
G Av,
para
todo
ÀGA.
Se-x e y
f]
A,
ja s(x,y) o conjunto dos pontos da forma otx + (l-a)y,
0 < a < 1 . Como cada A, é convexo, segue-se que
s(x,y)
<=
Ax,
para
todo
XA.
Logo
s(x,y)
c=
X^A
Ax
0 que prova que a interseção de conjuntos convexos ê
um conjunto convexo.
Q.E.D.
Teorema 1.2.
Sejam C, e C2 conjuntos convexos no espaço
vetorial E. .Então os conjuntos C-.+ C2 e C,x C~ são convexos.
prova: Tome x^ y1 £ C1 e x2, y2 6 C2- Temos x= x^^ + x2 £
G Cx + C2 e y= yx + y2 q + C2 . Se j a 0 < a < 1 . ax +
+(l-a)y = a(x1+x2) + (1-a)(y1+y2) = (axj + (l-a)y1 +
+ (ax2 + (l-a)y2) £ C^ + C^ pois C^ e C2 são convexos.
Seja x = (x-p x2) 6 C-j^x C2 e y = (y1> y2) CjX C2
ax + (l-a)y = (ax-,^, ax2) + (l-ajy^ (l-a)y2) = (axj +
+ (l-ajy-p ax2 + (l-a)y2) 6 C^x C2 pois C-^ e C2 são
convexos.
Teorema 1.3
Um conjunto C é convexo se, e somente se, to
da combinação convexa de um numero finito de elementos de C
pertence a C.
prova: Se toda combinação convexa de elementos de C pertence
a C, uma combinação convexa de dois elementos de C
pertence a C, logo C é convexo.
Para provar que toda combinação convexa de um número
n finito de elementos de C pertence a C utilizamos o
princípio de indução finita. Para n=2 ê trivial. Su
ponha que a afirmativa vale para n>2. Sejam x-^, x2,xn>
x , C tome x = X-, x, + X7 x7 + . .. + X^ x^ +
X-n+i i i l l n n n+1
n+1
xn+l'
X-0'
i = 1»
2'
*'
n+1»
i = l
2
^- =
1
!
Se
para
algum i, X- = 0 então x é" uma combinação convexa de n
elementos e pertence a C pela hipótese de indução. Se
X^ > 0 para todo i temos:
x = * xi Hr1
.,
i Hr
xi+
it
+ -t
X-n<«»}, o conjunto de todas as combinações convexas de
um numero finito n arbitrário de elementos de A. De
vemos mostrar que Y = co(A) , isto é, Y «= co(A) e
co(A) <= Y.
Seja y G Y, y = o, Xj +.'... + an xn' xi ^ A para to
do i. Se x. £ A então x^ £ co(A). Como co(A) é
convexo, pelo Teorema 1.3 temos y £ co(A), isto pro
va que Y <= co (A) .
Para provar que co(A) <= Y basta observar que A_ <= Y
e que Y é convexo. De fato se x. Ê A, y = 0 x,+...+
+ 1 x-+...+ 0 x 6 Y, ou sej a x- 6 Y, isto prova que
1
n
1 1
A e= Y. Para mostrar que Y é convexo tome y =" Z a- xf
i=l
x x
2 m ? 2 1 2
e y = Z a. x. , xt, x. A. Se 0é3ál. Temos
j=1 3 J 1 3
1 n 1 l n 7 2
3 y + (l-3)y9 = 2 fta: xt + Z (1-3)a- x.. Defina
1
i=l
x 1
j=i
3
J
e (1-3)a32
=
n , m o n , m
a?)
Note
que
E
3ctf
+
S
(1-3)
af
= 3(
Z a-
-
Z
aj
n
onde X^+, = 1 - £ X.
Xi
seja x= -
xl
+
l X.
i=n
n
n x_, e 3 »
i=l
2 X-x
,Xn+1
' ^
x C pois é combinação convexa de n elementos. Te
mos x = 3 x + (1-3) xn+1 c«
Q.E.D.
Definição:
Seja A um conjunto do espaço vetorial E. De
nomina-se fecho convexo de A,representado por co(A) ao me
nor conjunto convexo que contém A.
Teorema I.4
Seja A um conjunto do espaço vetorial E. En
tão co(A) ê o conjunto de todas as combinações convexas de
um número finito de elementos de A.
n n
prova: Seja Y = {y G E: y = l a- x-, x- 6 A, a->0, E X-=l,
m 2
+ 1 E et. = 1. Temos 3y, + (l-3)y7 = E \v xv,
j=l
3
L
L
k=l
K K
n+m
E X,=l, L i O, xv A. Logo $y, + (l-3)y7 £ Y
k=l
K
K
-1
z
isto prova que Y é convexo.
Q.E.D.
1.4 - Espaços Vetoriais Normados
Definição:
Um espaço vetorial normado é um espaço
veto-rial E no qual se pode definir uma função que transforma to
do vetor x £ E num numero real ||x|| denominado norma de x.
A norma satisfaz aos seguintes axiomas:
1) ||x|| à 0 para todo x 6 E e ||x|| = 0 se, e somente se, x=0
2) ||x+y|| ^ || ac|| + |y|| para todo x e y £ E.
3) ||ax|| = [ ot| ||x|| para todo x 6 E e todo escalar a.
0 conceito de norma permite definir proprie
dades topologicas dos conjuntos contidos num espaço vetorial
Vejamos alguns exemplos de espaços vetoriais
normados.
Exemplo 1:
- 0 espaço vetorial R e normado pois podemos definir para
totó x 6 R um número real ||x|[, denominado norma euclidia
na de x,
o qual satisfaz às propriedades (1), (2) e (3).
No espaço R podemos definir duas outras normas que serão
utilizadas no Capítulo IV:
Norma do Máximo: ||x|M = max | x | 1 £ i£ n
n
Norma da Soma: ||x|| = E | x |
S
i = l
X
onde |x^|= / x?
Exemplo 2:
- 0 espaço vetorial C[a,b] das funções reais contínuas no in
tervalo [a,b] e normado pois podemos associar a cada fun
proprie-dades (1), (2) e (3), definido por
||x|| = max | x(t) |
a<t<b
Definição:
Define-se a bola aberta de raio e>0 e centro
aGEcomo o conjunto dos pontos x G E tais que ||x-a|| < e, is
to é":
B(a,e) = {x:x G E, ||x-a| < e}
/"""\
E=R2
Definição:
Um ponto x G A é um ponto interior do conjun
to A se existe e>0 para o qual B(x,e) <= A .
2
Exemplo: A= Í(x1,x2) G R , l<x-L<2, I<x2$2}
todo ponto (x1,x2) G A tal que x2^ 2 ê ponto inte
rior de A i
2
1
X2
i
i
i
1
-A
i
i
_ j
B = {(x-p x2) 6 R , x2 = 1}
Nenhum ponto de B é ponto interior pois toda bola
de raio e>0 e o centro (x^,1) contém o ponto
(xr l+e/2) g B.
Definição:
Chama-se de conjunto interior de A,
denomina-o
do A, ao conjunto de todos os pontos interiores de A.
o
Definição: Um conjunto A ê dito aberto se A=A
Definição:
Um ponto xE é um ponto de acumulação do
con-junto A se para todo e>0 existe um ponto yGA tal que ||x-y||< e
o
Decorre desta definição que todo ponto x6A ê
um ponto de acumulação de A pois por hipótese existe e>0 tal
que B(x,e)c: A, podendo-se obter yGA,' y G B(x,e) e isto le.va a
||x-y|| < e, o que caracteriza x como ponto de acumulação de A.
Contudo, pode haver um ponto xGA que não e ponto de acumula
ponto x=2 não e ponto de acumulação de A.
Note-se, finalmente, que a definição de ponto
de acumulação não exige que .o ponto pertença ao conjunto.
Se-2
ja A = {x-p x2) 6 R , l<x-L<2, l<x-l<2}. 0 ponto x=Cl,l) £" A
mas para todo e>0 o ponto y=(l+e/2), y 6 A é tal que |x-y|| < e.
Definição
Denomina-se por fecho de A ao conjunto A for
mado por todos os. pontos de acumulação do conjunto A.
Exemplo 1: E = R
x2) R ,
A = {(x-L,x2) 6 R , I<x1<x2<2
Exemplo
2:
Seja
o conjunto
A a R3
o conjunto
aberto
A = 2j + x2 2 <1 e x3=0 . }
7 7
A" = {(Xj.-X2.X3): Xj + Xj < 1, x3=0}
A" = 0 pois para qualquer bola aberta Bfxj e)
possui um ponto (Xj.x^ J.
Definição: Um conjunto A E é fechado se A=I
Teorèma 1.5
Seja C um conjunto convexo num espaço vetorial
prova: Se C=0, C é convexo. Sejam x, , x2 "C e tome
x = Xx, + (1-X)x9, 0<X<Í. Devemos mostrar que xC .
Pela definição de "C, dado e>0 existem y, , y2 6 C tais
que |x1-y1|| < e e ||x2-y2|< e. Tome y = Xy1+(1-X)y2 G C.
Temos [|x-y|| = || Xxx + (1-X)x2 - (Xyx + (1-X)y2) || =
logo
(l-X)(x2-y2)||
x1-y1| + (l-X)||x2-y21| < Xe + (1-X) e=e
logo xC, o que prova que C ê convexo.
Ilustração da prova para ü:
Q.E.D. 1 V \ \
y\J
y 1 \ \ y - ' s \ 1 y 1 \ \ \ Y J y O.Se C=0, C é convexo. Sejam x,,x2 6 C, isto é, existe
£>0 tal que BCx^e) «= C e. ' B(x2,e)cC. Tome 5^= xx+w
o
e *2
= X2+W>
HwS<e
temos
x1
G C
pois
llx^-x-J
< e
e,
o
analogamente, x2 6 C- Defina x = Xx-,^ + (1-X)x2
o
O<X<1, onde x1 e x2 6 C pois x1 e x2 6 C. Devemos
o .
mostrar que x6C. Temos x = X^Xj^+w) + (1-X) (x2+w) =
x-x|| =.||w|| < e, o que implica x 6 B(x,e). Isto
pro-Q.E.D
o
va que C é convexo.
o
Ilustração da prova para C
I s \
N I
I
Definição:
Uma seqUência de vetores em E ê uma função cujo
do-minio são os números naturais e o contradomínio é o espaço E.
Exemplo:
xn
= íxn
6 R2,
n 6 N,
x2
= (l/x,
l/x2)}
xn = {(1,1), (1/2, 1/4), (1/3, 1/9), ...}
yn
= {yn
G espaço
das
funções
rais;
yn=
tn
, t-6
R, n 6 N}
2 2
yn = {t, t , t , ...} seqUência de funções
Definição
um ponto x se x e o único ponto de acumulação do conjunto
X = {xn, n N}. Representa-se a convergência por x - x.
Definição
Dados dois subconjuntos A e B de espaços
ve-toriais normados f:A B é uma função contínua se para
todo ponto xGA e f(x) G B e seqüência xn A e f(xn) G B tal
que xn *-x, tivermos f(*n) » f(x) .
Definição
Um funcional é uma função cujo domínio ê . um
espaço vetorial E e cujo contra domínio e o conjunto dos
nü-meros reais.
Definição
Um funcional f:E R é dito linear se para
todos vetores x e y G E e escalares a,3 tem-se f(ax+$y) =
= af(x)+ 3f(y).
con-tínuo se, e somente se, f é contínuo no ponto 9. De fato to
mando-se a seqüência x x tem-se f(xn) - f (x) =
Exemplo:
E=R
£(x)
Definição:
Um funcional f: E * R ê dito sub-linear se:
1)
+ x2)
£ fCxj^)
+ f(x2)
para
todo
x1,
x2
G É
2) f(ax) = af(x) para todo x E e a>0
Exemplo:
1.5 - Teoremas de Separação
Em muitas situações da teoria Econômica dese
ja-se obter pontos de um espaço vetorial que satisfazem a
determinadas propriedades. A possibilidade de separar tais
pontos dos demais pontos do espaço vetorial.é assegurada, sob
certas condições, pelos teoremas de separação que são discu
tidos neste item.
Inicialmente, vejamos o conceito de extensão
cuja idéia pode ser visualizada na figura a seguir:
E = R
F(m)| =f(m)
M
£(m) M=R
e
m
Partindo-se de um funcional .linear f defini
do num subespaço, cria-se um funcional linear F definido num
subespaço mais amplo que, quando restrito ao subespaço ini
ex-tensiva assegura a extensão de f ao espaço todo.
Definição:
Seja £ um funcional linear definido num sub
espaço M de um espaço vetorial E e N um subespaço de E que
contêm M. Um funcional linear F:N » R é uma extensão do
funcional f:M * R de M a N se F é idêntico a f em M, is
to ê F(m) = f (m) para todo m 6 M.
Lema I.1
Seja E um espaço vetorial, M um subespaço de
E e y G E, y t M. Seja W(y+M) o subespaço gerado pelo con
junto y+M. Então todo vetor deste subespaço . é" da forma
x = m+3y, onde m 6 M e a é um escalar.
prova: Seja {m,, m-,...,!!^} uma base para M, y não pode
ser escrito como combinação linear dos elementos
{m}^_,,
logo,
{y,
m,,
nu,
,
m}
são
linearmente
in
dependentes e, portanto, formam uma base para W(y+M).
n
Desta forma todo x 6 W(y+M) é da forma x = £ a-m-+ By,
isto é, x = m+3y, m 6 M
Q.E.D.
Teorema 1.6 - Hahn Banach, Forma Analítica
Seja E um espaço vetorial real e M um subespa
ço de E. Sejam o funcional sub-linear p:E*-R, e o funcional
linear f:M~R, tais que, f(m) s p(m) para toda m 6 M. Então
existe uma extensão F de f de M a E tal que F(x)< p(x) todo
x':6 E.
prova: Seja y £ E, y jS M. Seja o subespaço W(M+y). Pelo lema
este subespaço tem dimensão igual a dim(M)+l e 'todas
seus vetores são da forma x = m+oty. Uma extensão da
f de M a W(M+y) tem a forma g(x) = f(m) + ag(y) a qual
para ser perfeitamente especificada basta definir a
constante g(y). Provemos que esta constante pode ser
escolhida de forma tal que g(x) < p(x) para todo
x G W(M+y).
Para tal sejam m-, , m9 6 M.
f(m-,+m9) v 1 £ £ p(mn+mo)c v 1 L' poisr m^+m^ 1 Z = m G M
pOiu+n^) = p((m-,-y)+(m-j+y))< p(m,-y)+ p(nu+y) pois p e
sub--linear em W(y+M)
Logo f(m-,)- p(m-,-y)$ p(m9+y) - f(m0). Como m, e nt, são
arbi-t rari os em M, sup {f (m) - p (m-y)} < inf {p (m+y) -f (m)}. Sej a c 6 R
mM mM
tal que sup íf(m)- p(m-y)^ c ^ inf {p(m+y)- f(m)}
m'GM m^l
*
Para o vetor x = m+ay W(M+y), defina g(x)=
= f(m)+ac. Devemos mostrar que g(m+ay)< p(m+ay)
Se a>0 temos
g(m+ay)
= ac + f(m)
= a [c + f(-^-)l
< a f"{P(-^-
+ y)
- f(-B-)}
+
= a P(~- + y) = P(m + ay)
Se a<0 faça" a = -3<0
g(m+ay)
= -3c
+ f(m)
= 3 -c
+ f(-^0
< 3KpC-tt
- y)
-* B pGj - y) = P(m-3y) = p(m+a)
Portanto g(m+ay) ^ p(m+ay) para todo a e g ê uma
extensão de f de M para w(M+y).
subespaço W [(M+y) + y] de dimensão dim(M) + 2. Pode-se aplicar
sucessivamente este argumento até se chegar a um subespaço
W[_M + y + y^+ ... y,] de dimensão igual a dim(E) . Neste caso
o funcional g será a extensão F:E- R .
Q.E.D.
Para obtermos o Teorema de Hahn-Banach em es
paços de dimensão infinita precisamos de alguns conceitos de
teoria dos conjuntos:
Definição:
Seja A um conjunto. Uma ordem parcial em A ê
uma relação (<) em A xA tal que dados x , y e z em A
tenha-mos:
1) x«x
2) x^y e y^x implica x = y
3) x^y e y^z implica x^z
Definição: Uma ordem'parcial em A ê dita uma ordem completa
Se para x-p y 6 A tivermos ou x < y ou y^x.
n
que A = U Ai. A relação de inclusão define uma
ordem-par-i = l
ciai pois (1) Aic Ait (2) \c A. e A. a a± implica Ai = A.
e (3) Aj <=^ A2 e A2 <= A~ implica A, c A,.
Contudo a relação de inclusão não define uma
ordem completa pois podem haver dois subconjuntos A. e A.
tais que não se tenha A- c A- ou A- c: A-, bastando para
tal que A.0 A- = 0.
Definição:
Chama-se cadeia no conjunto A a todo subcon
junto C de A tal que C é totalmente ordenado, isto é, a re
lação (£) é uma ordem completa em A.
Definição:
Dada uma ordem em um conjunto A, dize-mos que
Be A é limitado superiormente em A se existe x 6 A tal que
b^x para todo b 6 B. Neste caso o ponto x é dito um
Definição: \v
Seja x um limite superior do conjunto A. Um
elemento m £ A é chamado de maximal de A se x G A emix
implica m=x.
Apresentamos a seguir o axioma de Zorn, o qual
é chamado de Lema por motivos históricos.
Lema de Zorn:
Se toda cadeia C em A é limitada superiormen
te, então A possui, um elemento maximal.
De posse desses novos conceitos podemos pro
var que o teorema de Hahn-Banach se aplica a espaços de di
mensão infinita.
Seja X = {(Wp F^, i=l, ... <=°, Mc^cz w2 <=E; Fi uma extensão
linear de F^ de W^ a Wi tal que p. (x) $ p(x) para
X e definamos W = U W. e F(x) = lim F (x) . Devemos
pro-i = l n '*n °°
var que (W, F) ê o elemento maximal da cadeia acima.
Mostremos que W ê um subespaço da E. Para is
to sejam x, y G W. Isto significa que existe um número
natu-k
ral k tal que x e y G U W^ = W. . W, é um subespaço de E
pois ê a união de subespaços de E, logo ctx + 3y G W^» isto
significa ax + ay G W, o que prova que W é ura subespaço
de E.
Por um argumento análogo podemos tomar x G W
e afirmar que existe k G N tal que x 6 W^ e, pela regra
de formação das extensões lineares F^, temos . F (x) = F^Cx)
para n^k. Logo, fixando-se um x 6 W arbitrário, existe "F(x) =
= lim F (x). Para provar que Te linear, tome x ,y G W e
n
observamos que ^(ax+3y) = lim F (ocx+gy) = lim a Fn(x)
+ lim 3 Fn(y) = a lim FR(x) + g lim Fn(y) = a TCx) + 3
n*o° ' n»°° n*°°
Como F: W -» R ê linear e extende cada um dos
limitada superiormente. Aplicando o Lema de Zorn concluímos
que o conjunto X possui um maximal (W*,.F*).
Para completar a prova devemos mostrar que
W*= E.. De fato se W*^ E então poderiamos ampliar a dimensão
de W* e chegaríamos a um (W**, F**) o que contradiz a hipó
tese de (W*, F*) é o elemento maximal de cadeia.
Ilustrações do Teorema de Hahn-Banach
E=R
M
f-F M
R
F < P para xÊE
Definição:
Seja C um conjunto convexo no espaço vetorial
E e suponha que o vetor 9 C . 0 funcional de Minkowski..Pc:
E-R é definido por:
Pc(x)
= inf
{r:r>0,
-£_
C}
extendi-do para que passe a incluir x.
Ilustração
4
/
/
/
/
' /
/
\
/ X
Pc(x) = llxll
IIMI
Lema 1.2
Seja C um conjunto convexo com 9 em seu inte
rior. Então o funcional de Minkowski P satisfaz a:
1) 0 £ pc(x) < °° para todo x £ E
2) Pc(ax) = a Pc(x) para todo a>0.
3) Se Pc(x) < 1 , então x G C
4) Pc(x1+x2) ^ PcCx^ + Pc(x2)
o
5) x C se, e somente se Pc(x) <1
6) Pc é contínuo.
Observe que as propriedades 2 e 4 caracterizam P
como um funcional sub-linear.
existe r>0, r<~ tal que x/r G C, portantQ Pc(x)<» pa
ra todo x E. Pc(x)^0 pela definição.
2) <xPc(x) = a inf {r>0 : _2E_ C} = inf {a r>0 : JL C}=
= inf {a r>0 : -~-6 C}=P far)
3) Pc(x) = r<l ==> ~- £ C =^ (1-r) 0 + r 6 C =$>
0 + x = x G C
4) Dados x-^ e x2 6 E, tome e>0 e obtenha r-,>0 e r2>0
tais que:
x x
PçCxp
< rx < Pc(x1)
+ e =^
Pc(-^-)
< 1 ==*>
--
£ C
r2
Seja r=r1+r2- Como C ê convexo
r r
r2
X2
r r2
Xl+X2
ou
Portanto Pc(~-=-) < 1 , por (2) temos Pc(x1+x2)<r
Desta forma r=r;L+r2< Pc(x]L) + Pc(x2) + 2e,
Pc(x1+x2) < Pc(x1) + Pc(x2) + 2e. Tomando e
obtemos Pc(x1+x2) < P(.(x]L) + Pc(x2).
o
exis-X- £
te e>0 tal que B(x,e)<= C. Seja xf = x + -~
1-II X L
= X(l
+
e/2
. Note
que
x'
G B(x,e)
pois
||x'-x||
=
II x|
I = -§-.
Portanto
xf
6 C s»
Pc(x')<l
.
temos x = =í>P,,(x) = - P (x1) <
l+e/2|x|
C
l*e/2|x||
C
"
l+e/2|x| 1 < 1. Isto prova que se x £ C, então
Pc(x)<l.
Seja P (x) = r<l. Por (3) x G C. Tome 0<e<l-r e
pro-o
vemos que x G C, isto ê, B(x,e)c: c. Seja H ={h E:
||h||= 1}. Um ponto y G B(x,e) é da forma y=x+cth on
de h G H e 0< -| ot| < e , pois ||x-y|| = |cc| ||h|| = |a| < e.
1r
Seja e = min{l-r, p ^y . Isto acarreta Pc(y) =
= Pc(x+ah) < Pc(x) + |a| Pc(h) < r+e Pc(h) ou
seja y G C Como y e um ponto genérico de B(x,e),
o
temos B(x,e) cC, ou seja x G C.
6) Para provar que Pc e contínuo (em todo x G E)
obser-9
vemos que Pc(0) = Pc(-f-) = 1/2 Pc(0) ==*Pc(9)=0 .
o
Como 9 G C, existe e>0 e x G C tal que o ponto y
ou
c |
P (xn) < . Tome uma seqüência x *- 9, temos
P<-(xn) * P-(9) . o. que prova que P é contínuo em 9.
Para provar que P e contínuo . em * qualquer
x G E tomemos uma seqüência x * x e notemos que
Pc(x)= Pc(x-xn + xn) < Pc(x-xn) + Pc(3cn)=^
í Pc(x-xn)
Pc(xn~x)
Pc(x)
-Logo -Pc(xn-x) ^ Pc(x) - Pc(xn) á Pc(x-xn). Passando ao
li-i
mite xn * x =^ (xn-x) * 0 =*> Pc(xn-x) » 0 e PçCx-x^
* 0 o que implica P_(x) * P (x ) . Isto prova que P ê
contínuo em todo x G E.
Q.E.D.
con-ceito de hiperplano. Para poder classificar um hiperplano
como fechado, precisamos do lema abaixo.
Lema 1. 3
Um conjunto A é fechado se, e somente se,
tg-da seqüência.convergente de pontos do conjunto, converge pa
ra um ponto de A.
prova: Seja A fechado e tome a seqüência xR x, xn 6 A. To
me o conjunto X = {x , n G N}. Temos X c: A. Como
x * x, x ê o único ponto de acumulação do conjun
to X. Como A ê fechado todos os pontos de acumulação
de A-pertencem a A. Logo x G A.
Suponha que toda seqüência x de prontos de A conver
ge para algum ponto x A. Para todo x G A tome uma
seqüência x -- x, x G A. Pela definição de se
qüência convergente, conclui-se .que todo ponto x de
A ê um ponto de acumulação de A. o que prova que A e
fechado.
Definição: V
Ura hiperplano num espaço yetorial E é um con
junto definido por H= {x G E: g(x) = c},.onde g:E -R é
um funcional linear e c ê uma constante.
Observe que se o hiperplano H é fechado se,
e somente se, o funcional g é contínuo. De fato se g é con
tínuo então toda seqüência x^G n H xn - x nos leva a gfx6V nJ )
*" g(x), o que caracteriza H como fechado. Reciprocamente,
se H ê fechado uma seqllência xR » x de pontos de H implica
x GH ou seja g(x) = c. Isto significa g(xn) g(x) quando
xn » x o que prova que g é contínuo.
Teorema I.7 - Mazur - Forma Geométrica do teorema de Hahn
Banach
Seja C um conjunto cqnvexo com interior não
vazio num espaço vetorial real E. Seja V uma variedade
li-o
near em E com Vf|C = 0. Então existe um hiperplano fechado
isto é, existe um funcional linear F definido em E tal que
F(v) - c para todo v 6 V e F(x) £ c para todo x G C.
1 °
prova: Podemos, caso 9 f. C, fazer uma translaçao que torne
9 um ponto interior de C.
Notemos que dada a variedade linear V = y+W, onde
y G E e W é* um subespaço de E, pode-se gerar um sub
espaço Z, cujos pontos são da forma z = ay+w, onde
z 6 Z se, e somente se, a=l.
Podemos obter um funcional linear f no espaço Z tal
que V = {x G Z; f(x) = 1}, para tal basta definir
f(ay+w) = a.
o
Seja pc o funcional de Minkowski de C. Como V f| C = 0,
Pc(x) < 1 para todo x C. Como Z é o subespaço ge
rado por V, qualquer ponto de Z é da forma z = ctx,
x G V.
Se
cx^l,
z / V.
Para
a>0
temos
f(ax)
= af(x)
=
a < a pc(x) = pc(ax) , ou seja f(ax) s: pc(ax) . Para
a<0 temos f(ax) = af(x) = a < |a| pr(x) = p fax), ou
seja f(ax) á pc(ax) . Portanto para z = ax temos
Como p é sublinear e f é linear, podemos aplicar a
forma analítica do teorerça de Hahn-Banach e afirmar
que existe uma extensão linear F de f de Z a E tal
que F(x) j£ pc(x) para todo x G E. Notemos que F é"
contínuo pois ao tomarmos a seqüência x»-x,
F(x_)-- F(x) = F(xn-x) < Pc(xn-x). Para xn x temos
' ou
0.De posse do funcional linear contínuo F podemos de
finir o hiperplano fechado H = {x 6 E : F(x) = 1} te
mos F(x) < Pc(x) para todo x 6 C e, portanto, o hi
perplano H separa V de C.
Q.E.D.
Ilustração do teorema de Mazur
E=R
H
O teorema de Mazur possui diversos corolários.
Corolário 1 - Teorema do Hiperplano Suporte
Seja C cziE um conjunto convexo de interior
o
nao-vazio. Seja x 6 E tal que x £ C . Então existe um
o
hiperplano fechado H que contém x e tal. que HnC = 0.
H
Teorema I.B - Teorema de separação de Eidelheit
Sejam C^ e C2 conjuntos convexo do espaço
ve-o 00
torial E tais que C1 f 0 e C^fl C2 = 0. Então existe um hi
perplano fechado H separando Cj e C2, isto ê", existe um fun
cional linear f definido em E tal que fCx-j) < f(x2) para to
do xx 6 Glt e x2 -C2.
o
prova: Seja o conjunto C = C^-C^. Podemos supor que 9 G C .
Pelo corolário 1 existe um funcional f em E tal qüe
f(x) <0 para todo x G C. Temos x = x;,-x2, f(x1-x2)
= f(x1) - f(x2) í 0, ou ainda f(x1) á f(x2) para to
do x-^ £ Cj e X2 e C2* Existe G e R» SUP f(xi)<c< inf f
O hiperplano procurado é H = {x 6 E: f(x) = c}.
H
1.6 - Espaços de Banach e teorema de Weierstrass
0 objetivo desta seção é preparar o caminho
para os problemas de otimização apresentados no capítulo II.
Apresentaremos um teorema que fornece as condições para a
existência de um ponto de máximo (ou mínimo) de um funcional
em um sub-conjunto de seu domínio.
Definição:
Uma seqüência {x } em um espaço normado ê di
ta uma seqUência de Cauchy se para n, m » °°, tivermos
lxn~xmll 0. Isto e, dado e>0, existe um inteiro N tal
que lxn"xmll < e para todo m, n>N
convergente ê uma seqüência de Cauchy, pois se x *-x en
tão, ||xn-xm[i = llx^-x + x-xj| < ll^-xll + ||x-xj| -0.
Definição:
Diz-se que um espaço vetorial normado E é com
pleto se toda seqüência de Cauchy em E tem limite em E.
Um espaço vetorial normado completo é" chamado
de espaço de Banach.
Definição:
Um conjunto A contido num espaço vetorial nor
mado E é .limitado se existe e>0 e x £ E tal que AciB(x,e)c: E.
Apresentamos a seguir a definição de conjunto
compacto. Devemos salientar que esta definição se restringe
a espaços vetoriais normados.
Definição:
nor-mâdo é compacto se para toda seq*ência em A pudermos extrair
uma subseqUencia convergente para um elemento de A.
Téôréma 1.9 - Teorema de Weierstrass
Seja C um conjunto compacto contido num
es-pâçô vetorial normado e £: C *> R um funcional continuo,
intãó £ possui um ponto de máximo e um ponto de mínimo em C.
>fõv_a: Sejam M = sup f(x) e ' m == in£ £(x).
x C x 6 C
Devemos
provar
que
existem
x , x
C tais
que
£(x1)=m
2 12
e f(x ) =M. Tomemos seqüências {x } e {x } perten
centes a C com subseqüências convergentes x,* x 6 C
2 2 1 ?
e xnk»- x 6 C tais que f(x*k) * m e f(x^k)- M.
Como
x , x
C,
fíx1)
e f(x
) são
finitos:
£(x1)>
-°°,
2
£(x ) < °°, temos:
(i)
e > f(*nk)
- fCx1)
> -e
==%>£(x^k)
> fCx1)
- e.
Pará
e-*.
0,
ou
seja
x,
*
x , m = lim
£(x3,)>,
>. £(x ) > -«>, logo f(x ) = m.
2 ' 2
e » O, ou seja x , -» x , M=lim
_Logo f (x ) = M
OTIMIZAÇÃO CONDICIONADA
II.1 - Introdução
Neste capítulo fazemos uso dos Teoremas de
separação demonstrados no Capítulo Ipara discutir a otimi
zação condicionada de funcionais.
As seções II.2 e II.3 são dedicadas à pro
gramação linear, isto é, a otimização de um funcional linear
sujeita a um conjunto de restrições lineares. Por questão
didática apresentamos separadamente o lema de Farkas nas se
ção II.2. A seção II.3 descreve o objetivo da programação
linear e utiliza o lema de Farkas para provar o Teorema da
dualidade da programação linear. Como exemplo de aplicação
da programação linear â Teoria econômica, descrevemos um mo
delo multi-setorial de economia fechada.
A seção II.4 define espaço dual e o utiliza
para provar o teorema da dualidade de Fenchell. Este
Teore-ma ê usado em seguida para provar o Teorema do mini-max da
teoria dos jogos.
Finalmente a seção II.5 é dedicada à progra
mação côncava, isto é", a otimização de um funcional côncavo
sujeito a um conjunto de restrições côncavas. Como aplica
ção a teoria econômica provamos a existência de equilíbrio
competitivo no modelo neoclãssico de produção com economia
II.2 - O Lema de Farkas
Definição:
Dados dois vetores x, y 6 E, o produto inter
no de x e y é* um escalar <x, y> o qual satisfaz as proprie
dades:
1) <x, y> = <y, x>
2) <x+y, z> = <x, z> + <y, z>
3). «xx, y> = c«x, y>
4) <x, x> £ 0 e <x, x> = 0 se,e somente sé x=9
No caso em que E = R , denominaremos produ
to interno euclidiano dos vetores x = (x-. , ..., x ) e
y = (y^, «... yn) ao escalar <x,y> = x^^ y1 + ... + xn yn.
Utilizaremos neste capítulo a notação matricial x y = y x
para representar o produto interno euclidiano <x,y>.
Definição:
Um
conjunto
KcnRn
é um
cone
se
dados
x £ K
e
então diz-se que K e um cone convexo.
K R
cone nao convexo
Teorema II.1
cone convexo
Seja KcR um cone convexo e definamos o
cone
dual
K*
por
K*={yGRn;x
y^.0
para
todo
x G K}.
En-tão:
1) K* é um cone convexo
2) K* é fechado .
Prova: 1) K* e cone pois se y£ K* e X>0 , x (Xy) = Xx
para todo x G K. K* é* convexo pois se y,, y2 G K1
x 6 K, xt(y1+y2)
= xt yx + x* y2 2 0, logo
(y^)
6 K*.
2) Seja {yn> G K* uma seqUencia tal que lim y = y.
Para todo n e N temos x y £ 0 para todo x G K.
Passando-se ao limite temos x y >. 0 . Pelo lema
1.3. conclui-se que K* é fechado.
Ilustração: R
K
Teorema II.2
Seja K c: R um cone convexo e definamos K * * _
(K*)*,
isto
é:
K**
= {z
6 Rn:
yt
z>;0
para
todo
y 6 K**}.
En
tão:
1) K<=K:
2) K é" fechado se, e somente se K=V
Prova: 1) Suponha, .por absurdo, que existe x G K tal que
x £ K**. Neste caso existe y G K* tal que y x<0 .
Mas se y G K* então x y>0 para todo x G K, con
tradizendo a hipótese de absurdo.
2) Se K=K**, então K é fechado pois K**= (K*)* que é
fechado pelo teorema II.1.
é fechado
então
K =>K**.
Para
tal
tomemos
x G Rn,
x f£ K e a
Rn,
a^0.
Pelo
corolário
1 do
teorema
de
Mazur
existe
um
funcional
linear
f:Rn
-»-
R
dado
por f(y) = a y o qual define um hiperplano que se
para x estritamente de K. Desta forma existe e>0 tal
que a yi a x + e para todo y G K. Como K é um co
ne , para
X>
0
tem-se
Xy G
K.
Logo
sÜ'y
> l/X
(s^x
+ e).
Fazendo-se X *- + °°, obtém-se a y:>0 para todo
y G _K,
ou
seja
a G K*.
Como
9 G K,
at9
= 0 >. atx
+ e,
logo a x < 0. Como a G K* segue-se que x t K**.
Concluímos que x t K implica x t K*t ou seja KaK**.
Por.(l), K<=K** logo K=K**
Q.E.D.
Definição:
Seja A uma matriz real (m,n) com colunas
da-1 O
das pelo vetores a , a , ..., a . 0 conjunto de todas as
combinações lineares com coeficientes x-£ 0 destes vetores ê
chamado de cone gerado por A.
Exemplo: 1. 2
2 1
Z = X
1-a
Az = X
a + 2 (1-a)
2a + 1-a
2 - a
1 + a
a=l
a=0
Observe que o vetor z descreve todos os vetores do espaço
R quando se variam a e X
Lema II.l: Todo cone gerado por uma matriz finita ê
con-vexoe fechado.
Prova
:
A = (m,n)
e C = {Ax
6 Rm:
m
x
R^J,
Para provar a convexidade , tome Ax G C e Ax C.
Então para 0 < X < 1 temos:
(l-.X)Ax1
+ XAx2
= A((l-X)x1
+ Xx2)
C pois
Rn
é
Para provarmos que C é fechado, seja:
Prova:
C = {Ax
: x 6 R^}
o cone
gerado
por
A definamos,
para
cada
x
Rn,
o conjunto
L(x)
= {y
G R+;
A(y-x)
= 0}
.
Verifica-se que L(x) e convexo, fechado e não vazio
(pois x L(x)). Seja f(x) o vetor de norma mínima em
L(x). Observamos, inicialmente, que as definições
acima implicam nas seguintes propriedades:
(i)
(ii) A f(x) a Ax;
(iii) f(x) = 9 se, e somente se Ax = 0;
(iv) f(otx) = a f(x) para todo a > 0;
(v) f(f(x)) - f(x);
(vi) G = {f(x); x £ R+} e um conjunto fechado;
(vii) existe um número real positivo y tal que
f (x)|
< Y |ax|
, para
todo
x G R*.
As propriedades (i) e (ii) decorrem ime
diatamente da definição de f (x) e do fato de x e f(x) per
V
então Ax = Af(x) =9 e, reciprocamente, se Ax=9, então
9 G L(x) , o que implica f(x) =9. Para provar (iv) notemos
que f(9) =9 e que, para a > 0 , L(ax) = aL(x). A proprie
dade (v) decorre da definição de f(x) como sendo o vetor de
norma mínima em L(x).
Para provar a propriedade (vi), tomemos
uma seqüência convergente { f(xk)} u de pontos de G. De
vemos mostrar que u = f(u) 6 G.
Notemos que se {f(xk)} « u, então to
dos os termos da seqüência {f(xk)} a. partir de certa ordem
possuem coordenadas positivas onde u as tiver. Existe, pois,
um numero real $k^ 1 tal que 3, f(x,)-u > 9. Tomemos cada
3k como sendo o menor numero real maior ou igual a 1 com es
sa propriedade. Verifica-se que 3k é o maior dos coeficien
tes das coordenadas de u pelas correspondentes de f(xk). Daí
sé conclui que a seqüência {3k) * 1.
Observemos que pela propriedade (ii)
Au = Af(u), logo A[f(u)-u + 3k f(xk)] = A [f(u)-u] +
L(3k f(xk)). Temos 13k f(xk)|| < ||f(u) + 3R f(xk)-u , pas
sando-se ao limite obtemos u < f(u) . Como u e f(u) per
tencem a L(u) e f(u) ê o único vetor de norma mínima em L(u),
a desigualdade anterior implica u =f(u), o que prova (vi).
Para provar a propriedade (vii) defina
mos
o conjunto
H = {f(x);
x 6 R^;
f(x)
= 1}.
H é compac
to pois é" a interseção do conjunto fechado G com a esfera de
raio
1 do
Rn.
Se
H =0,
então
f(x)
=0
para
todo
x 6 R+
e
a
propriedade (vii) se verifica trivialmente. Se H=0, seja
Y o mínimo da função contínua g: H - R definida por
g(z)
= ]| Az||
.
Tem-se
y"1
> 0
pois
z = f (x)
j* 0
implica
Af(x)
5*0
de acordo com as propriedade (ii) e (iii) . Para todo x 6 R+
com f(x) ^0 tem-se f(x) =3 f(u) para algum u tal que f(u) =1
Logo
y'1
||f(x)|
= V"1*
3 1 < 3 ||a f(u)|
=|A
f(x)
,
ou
f(x) < y A f(x) , o que prova (vii).
Podemos, finalmente, provar que C =
= {Ax; x £ R+} ê fechado. Para tal tomemos uma seqüência
seqüên-cia Ax^ = A fCxjç) ê limitada. Logo, pela propriedade (vii)
a seqüência
{f(XjJ
} é uma
seqüência
limitada
de
pontos
de
R^,
admitindo, pois, uma subseqüência convergente para u G R+.
Como toda transformação linear do R no R ê contínua,
Au=w, o que prova que w G C, caracterizando C como fechado.
Q.E.D.
Teorema II.3 - Lema de Farkas (Ia. versão)
Seja A uma matriz real (m,n), b G R .
Então existe um vetor x G R , x > 9 tal que Ax =b se, e so
mente se, b y > 0 para todo y G R tal que A y > 9 .
Prova:
Seja
x > 9 tal que
Ax
=b.
Então
bt
y = x A y > 0 para
todo y tal que A y > 9.
Reciprocamente
seja
d?
G Rm
o j-êsimo
vetor
coluna
de
A. Definamos o cone gerado por A por:
n
K = {k G R : k = Z x. a. para x. > 0 , j= 1,2,. . .,n}
j=1 3 J 3
t t
ti t \v
y aJ > O para j=l,...n. Isto implica y k > 0 para
todo k GK i ou seja y G K*. Portanto a afirmativa
"bV
>J
para
todo
"y tal
que
A*y
>J"
implica
b 6 K**.
Como k ê convexo e fechado (lema 1), temos K = K**
(te-orema
II.2).
Portanto
existe
um
vetor
x G Rn
tal
que
Ax = b.
Q.E.D.
Lema II.2
Seja C o cone gerado pela matriz A (m,n) e
b 6 R
tal
que
b g
C.
Então
existe
um
vetor
a 6
Rm tal
que
para
todo
x 6 C , a b < a^.
prova: A prova deste lema é uma aplicação imediata do
teore-ma de separação entre um ponto e um conjunto convexo
fechado onde o funcional linear que define o
hiper-plano é f:R * R dado por f(x) = a x, temos, pois,
f(b) < f(x) para todo x G C.
Teorema II. 4 - Lema de Farkas (2a. versão)
Seja
A uma matriz
real
(m,n),
b,y
G Rm,
x £
Então exatamente uma das alternativas abaixo se verifica.
(i) Ax = b possui uma solução x^.9.
(ii)
y A £ 0,
ytb<
0
possui uma
solução
y.
Prova: Para verificar que (i) e (ii) não ocorrem simultanea
mente veja que se y A i 9 e xâ9, então y Ax £ 0 , ou
y b> 0 e portanto (ii) e falso.
Para mostrar que uma das alternativas se verifica ne
cessariamente mostremos que se(i) ê" falso então (ii)
é verdadeiro. Para tal admitamos que b é" tal que
b J^C , onde . C e o cone gerado por A. Pelo lema 2
temos:
a*b
< 3 < at(A
X x) ,
X > 0
Como
9 6 C
temos
3 < a1"
9 = 0.
Logo
a*"
b < .0.
Pela
segunda
desigualdade
(com
A > 0)
3/X
< a*
Ax.
Fazen
do X*°° temos a Ax â 0. Tomando x = e^,e2,...en ,
obtem-se a A > 0.
a alternativa (ii).
Q.E.D.
Verifiquemos que as duas versões do Lema de
Farkas são equivalentes:
lf
versão
==*
2?
versão:
Existe x^O tal que Ax=b se, e somente, se
para- todo y tal que A y > 8 tivermos b y >. 0 , o que prova
que (i) e (ii) são exclusivos.
2..versão
==>
lf
versão
(i) e (ii) serem exclusivos implica Ax = b se,
somente se, para todo y tal que A y > 0 tivermos y b iO.
Ilustração do Lema de Farkas para m=n=2,
alternativa (i)
cone gerado por A:
A alternativa (i) corresponde ao caso em que \v
b pertence ao cone gerado pela matriz A.
alternativa (ii)
y tal que y A> 0
\
b- b tal que Ax f b para x>9
Fixando-se um vetor b, este define um
hiper-plano formado dos vetores perpendiculares a b. Tal
hiperpla-no divide o espaço em vetores y tal que y b >0 e y tal que
y:yub>0 y * y tal que y A>9 e y b <0
Lema II.4 - Corolário do Teorema II.4
Seja
A uma matriz
real
(m,n)
, b,
y 6 R,
x 6
Então: (i) Axsb possui solução xí0 ou (exclusive),
(ii)
y Ai9,
ytb
< 0
possui
solução
y>0.
ja
Prova: Seja z^ 0, z£ R tal que a alternativa (i) possa
ser escrita sob forma de igualdade, isto e, A x £ b
eqüivale a Ax + z = b. Desta forma a alternativa (i)
pode ser escrita matricialmente por:
(i*)
[a,
i]
b tem solução 9Aplicando-se o terorema II.4 conclui-se que
(i*) é verdadeiro ou (exclusive):
(ii*)
yt
Ia,
IJ
^ 0 , ytb
< 0
possui
solução
y.
temos
yt
Ia,.
IJ
= h^A,
yZ\
> 0,
o que
implica
A*
II.3 - Programação Linear
Seja a matriz A =
fll
a
In
a , a
ml mn
v os
vetores b =
m
e c
n
Deseja-se resolver os
problemas m: Minimizar o funcional c x
sujeito a :
'Ax
X
\ b
£ 9
problema M: Maximizar o funcional b y
sujeito a :
A'y%< c
y i 0
Diz-se que um problema m ou M possui solução
factível quando o conjunto definido pelas restrições e
não-vazio. Um vetor x(y) que resolve um problema factível ê cha
A solução de um problema de programação li
near dependerá de (i) o problema ser factível e (ii) existir
uma solução ótima, ou seja, o problema ter uma solução li
mitada.
0 Teorema II.4 apresentado abaixo mostra que
existe uma relação entre a existência de soluções para os
problemas m e M.
Teorema II.4 - Teorema da Dualidade da Programação Linear
Dada a matriz A e os vetores b e c descritos
acima, a solução dos problemas M e m enquadra-se â priori
em um, e somente um, dos 4 casos abaixo:
Caso I: Os problemas .m e M têm (ambos) soluções ótimas x e y
e estas satisfazem a c x = b y
Caso II: 0 problema m não possui solução factível mas o M
tem solução factível com b y «
solução factível com c x -°°
CasoIV: Nenhum dos dois problemas possui solução factível.
Prova: Usaremos o lema II.4. Para tal escrevemos o caso I
t
na alternativa (i) do lema e, em seguida verificamos
o que a alternativa (ii) implica.
Primeiramente observamos que c x > b y para x e y
que satisfazem as restrições, pois:
. m m n
y = 2 b. y. $ Z .( Z a-, x. )y
i=l
x
x
i=l
j=l
1J
J
n m n
l
( Z a±.
yi)xj
<
Z
c.
x.
= cz
x
(*)
De posse deste resultado podemos escrever o
caso I sob forma de desigualdades para então aplicar o Le
ma II. 4.
m : Ax > b ==£> (-A)x S -b, x >. 9
M : A y < c , y^G
for-c x < b y
em
vista
da
observação
(*).
Portanto
c x - bV
é 0.
Seja a matriz  dada por:
 =
-A
0
0
A*
, (m+n+1, m+n)os vetores x = (m+n,l) e 6 =
b
c
0
, (m+n+1, 1). 0
caso I pode ser representado por  x < 6 para uma solução
x £ 0. . "
O Lema II.3 afirma que- (i) Âx <: 6 possui so
lução
x à 0 ou
(exclusivamente)
(ii)
y
A £ 0
eytt><0
possui solução y > 0.
Com
y1
=
vt, u1,
X ", onde
v = (n,l)
e. u = (m,l),
a alternativa (ii) pode ser expressa por:
-A 0
0 A1
t: . t
c -b
> 0
-D
temos:
vt(-A)
+ X c*
* 9
ü*
A1
- Xb*
* 9
vt(-b)
+ ut
c < 0
ou
X c
A u à X b
c u < v b
possui solução
U à 9
v £ 9
X £ 0
Suponha, por absurdo.que X>0. Neste caso a
terceira desigualdade acima pode ser escrita por c (U/X) <
< (v/X)
b.
Mas
por
(*)
teríamos
que
ter
ct(u/X)
X=0. Com este resultado as inequações da alternativa (ü)
passam a ser:
v*
A
< 9*
Au à 9
ctu
< vtb
possuem solução
u ^
viô
A desigualdade estrita c u < v b pode ocor
rer de três maneiras
2*)
vtb
> O
3«)
c^u
< O
e vlb
> O
A esta altura convém fazermos um resumo do
que foi aprovado ate aqui. 0 lema 11:4 diz,que ou temos uma
- t t *
solução para m e M que satisfaz a c x* = b y (caso I) ou
caímos nos casos II, III e IV de acordo com as desigualdades
(1«), (2?) e (3') acima.
Analise
de
(1»)
, isto
é\
ctu
< 0:
Admita
por
absurdo que M tem solução y. Neste caso A y < c para y ^9.
De acordo com a alternativa (ii) , Au à 9 e u à 9 temos
en-t t t
tao 0^ y (Au)4 eu o que contradiz c u < 0. Portanto
nes-1
1
ta situação M não tem solução.
Quanto ao problema m se este não tiver solu
ção estamos no caso IV. Se m tiver solução x teremos Ax ^b,
x £ 9 . Com a > O, u à 9 e como Au à 9 temos A(au)^9. Por
tanto A(x + aü) ^ b, x + au £ 9, ou seja o vetor x + au sa
tisfaz a restrição de m. Como c (au) < 0 temos c (x + au) =
t t - ..
Analise de (2?), isto é, v b>0: Admita por
absurdo que m possui solução x. Neste caso Ax >. b, x £ 9.
De acordo com a alternativa (ii) v A é 9, v <i 9. Temos en
tão 0 i (v A) x i v b, o que contradiz v b á 0. Portanto,
nesta situação, m não possui solução.
Quanto ao problema M, se este não tiver so
lução estamos no caso IV. Se M tiver solução y, teremos
A y £ c, y £ 0. Com a > 0, v i 9 e como v A i, 9 temos
aA vá 9. P.ortanto A (y+ctv) £ c, ou seja, o vetor y + ctv sa
tisfaz à restrição de M. Como v b > 0, temo (y + ctv )b =
= y b + a v b =* + °° quando a * °°, isto é, caímos no
caso II.
í
Analise
de
(3'),
isto
é, c
u < 0
e v^
> 0
.
Esta analise é trivial a partir do que foi mostrado acima.
Com estas situações nem M nem-m tem soluções, isto ê, esta
mos no caso IV.
Exemplo 1. - (Caso I)
2 1
Seja a matriz A =
3 4
t
c = (5,4).
m min 5x, + 4x2
sujeito a
4xo >
3
8
Xo >
0
0
3
2
x =
4/5
7/5
M max 3y, +
8y-sujeito a + 4y2 < 4
> 0
5/3
1
y=
8/5
Veja que c x = [5.4] '4/5
7/5
b1/
= [3
8]
8/5"
3/5
48
Exemplo 2 - (Caso II)
Seja a matria A = -2 -1
-1 -1 e os vetores b =(3,0) ,
c =(5,4)
m mm 5x, +
sujeito a
4x.
2-2X,
xl
X2
" X2
*
~ X2
2
> 0 > 0 » 3 * 0