Badania operacyjne- Programowanie liniowe
|
|
- Kacper Osiński
- 6 lat temu
- Przeglądów:
Transkrypt
1 Badania operacyjne- Programowanie liniowe kierunek Informatyka, studia stacjonarne II stopnia, I rok wyklad 1 Funkcje wielu zmiennych 11 Sformułowanie zadania Ogólnym zadaniem programowania liniowego nazywamy zadanie postaci: J(u)=c 1 u 1 ++c n u n min (1) u k 0, k I (2) a 1,1 u 1 ++a 1,n u n b 1 a m,1 u 1 ++a m,n u n b m a m+1,1 u 1 ++a m+1,n u n =b m+1 a s,1 u 1 ++a s,n u n =b s, (3) gdzie u = (u 1,,u n ) R n, natomiast c j, a i,j, b i, i = 1,,s, j = 1,,n, s a danymi liczbami rzeczywistymi, przy czym nie wszystkie liczby c j i nie wszystkie liczby a ij s a równezero,i {1,,n}jestustalonymzbioremindeksów;możliwes a tutaj przypadki: I=,I={1,,n},m=s,m=0 Symbolem x,y oznaczaćbędziemyiloczynskalarnywektorówx=(x 1,,x n ), y = (y 1,,y n ),tzn x,y = n i=1 x iy i,natomiastzapis x y, 1
2 gdziex=(x 1,,x n ),y=(y 1,,y n ),będzieoznaczał,że x i y i, i=1,,n Powyższe zadanie możemy zapisać następujaco: J(u)= c,u min u U ={u=(u 1,,u n ) R n ; u i 0dlai I,Au b,au=b} (4) gdzie c=(c 1,,c n ), A= a 1,1 a 1,n, A= a m+1,1 a m+1,n, a m,1 a m,n b= b 1 b m, b= a s,1 a s,n b m+1 b s Każdy punkt u U nazywamy punktem dopuszczalnym zadania (4) Punkt u U nazywamy rozwiazaniem zadania(4), gdy dladowolnegou U J(u ) J(u) Kanonicznym zadaniem programowania liniowego nazywamy zadanie postaci J(u)= c,u min, (5) u U={u=(u 1,,u n ) R n ; u 0,Au=b} gdziea R m n,b R m Podstawowym zadaniem programowania liniowego nazywamy zadanie postaci J(u)= c,u min, (6) u U ={u=(u 1,,u n ) R n ; u 0,Au b} gdzieaibs a takie, jak wyżej 2
3 12 Równoważność zadań Zajmiemy się teraz zagadnieniem równoważności zadań różnego typu Dokładniej, pokażemy, że rozwiazywanie zadania podstawowego i zadania ogólnego można zastapić rozwiazywaniem zadania kanonicznego Istotnie, niech dane będzie zadanie podstawowe (6) i rozważmy w przestrzeni R n+m zadanie postaci d,z min z Z={z=(u,v) R n+m ; z 0,Cz=b}, (7) gdzied=(c,0) R n+m, C=[A I m m ]= a 1,1 a 1,n a m,1 a m,n (I m m jestmacierz a jednostkowawymiarum m)łatwozauważyć,żejeśliu U jest rozwiazaniemzadania(6),toz =(u,v ),gdzie v =b Au, jestrozwi azaniemzadania(7),tzn z Z oraz d,z d,z dladowolnegoz Z Jeślinatomiastz =(u,v ) Z jestrozwi azaniemzadania(7),tou jestrozwi azaniem zadania(6),tzn u U oraz dladowolnegou U c,u c,u Podobnie, rozwiazywanie zadania ogólnego(4) można zastapićrozwi azywaniem zadania kanonicznego Rzeczywiście, rozważmy w przestrzeni R p (p = m+i +J +J, gdzie 3
4 J={1,,n} I)zadaniepostaci e,z = c i u i + i I i J c i w i + i J c i w i min z Z={z=(v,u i ;i I,w i ;i J,w i ;i J) R p ; z 0, v+ A i u i + A i w i + i w i I i J i J A i =b, A i u i + A i w i + i w i I i J i J A i =b} ={z R p ; z 0, [I m m A i ;i I A i ;i J A i ;i J] [ 0 Ai ;i I A i ;i J A i ;i J ] z= b } b, (8) gdziee=(0,c i ;i I,c i ;i J, c i ;i J) R p,v R m,a i -i-takolumnamacierzya, A i -i-takolumnamacierzya Jeśliu U jestrozwi azaniem zadania ogólnego(4), to z =(v,u i ;i I,wi ;i J,wi ;i J), gdzie v =b Au, w i =max{0,ui }, i J, w i =max{0, ui }, i J, jestrozwi azaniemzadania(8)(zauważmy,żeu i =w w i i dlai J) Jeśli natomiast jestrozwi azaniem zadania(8), to z =(v,u i ;i I,w i ;i J,w i ;i J), u =(u i ;i I,w i w i ;i J) jestrozwi azaniem zadania(4)(z dokładnościa do kolejności współrzędnych) 4
5 13 Interpretacja geometryczna zadań programowania liniowego Rozważmy zadanie podstawowe(6) w przypadku, gdy n = 2, czyli J(u)=c 1 u 1 +c 2 u 2 min u U={u=(u 1,u 2 ) R 2 ; u 1 0, u 2 0, a i,1 u 1 +a i,2 u 2 b i, i=1,,m} (9) Wprowadźmy oznaczenia U 0,1 ={(u 1,u 2 ) R 2 ; u 1 0}, U 0,2 ={(u 1,u 2 ) R 2 ; u 2 0}, U i ={(u 1,u 2 ) R 2 ; a i,1 u 1 +a i,2 u 2 b i }, i=1,,m Oczywiście U =U 0,1 U 0,2 U 1 U m Możliwes anastępuj ace przypadki: 1 0 zbióru jestpusty 2 0 zbióru jestniepustymwielobokiemwypukłymiograniczonym 3 0 zbióru jestniepustymwielobokiemwypukłyminieograniczonym 5
6 Ustalmyliczbęα R Równanie c 1 u 1 +c 2 u 2 =α opisuje poziomicę funkcjonału J odpowiadajac a wartości α, czyli zbiór {(u 1,u 2 ) R 2 ; J(u)=α} Jesttoprostaowektorzeprostopadłymc=(c 1,c 2 ) Przywzrościewartościstałejαprosta ta zmienia swoje położenie, przesuwajacsięwsposóbrównoległywkierunkuwektorac, przyczymdladowolnegopunktupłaszczyznyistniejeα Rtakie,żepunkttenleżyna prostej wyznaczonej przez α W przypadku 2 0 zawsze istnieje punkt pierwszego kontaktu (być może nie jedyny) przesuwajacejsięprostej,wkierunkuc,zwielobokiemu Odpowiedniawartośćstałejα wynosi wówczas min u U J(u)=:J 6
7 7
8 Wprzypadku3 0 ów punktpierwszegokontaktu istnieje(byćmożeniejedyny)lubnie Jeślinieistnieje,oznaczato,żezadanieniemarozwi azania; w takim przypadku inf J(u)= u U 8
9 Zpowyższejdyskusjiwynika,żezadanie(9)możeniemiećrozwi azań, może mieć jedno rozwiazanie lub może mieć nieskończenie wiele rozwiazań Ponadto, w przypadku, gdy zbiór rozwiazań jest niepusty, w zbiorze tym istnieje co najmniej jeden punkt, który jest wierzchołkiem wieloboku U Podobnaanalizęmożnaprzeprowadzićwprzypadkun=3,zastępuj ac wielobok wielościanem,aprost a-płaszczyzn a 14 Punkty wierzchołkowe Punktv V R n nazywamypunktemwierzchołkowym(punktemekstremalnym)zbioru wypukłego i domkniętego V, jeśli przedstawienie v=αv 1 +(1 α)v 2, (10) gdzieα (0,1),v 1,v 2 V,możliwejesttylkowtedy,gdyv 1 =v 2 Innymisłowy,punkt v V jestpunktemwierzchołkowymzbioruv,gdyniejestonpunktemwewnętrznymodcinka o różnych końcach należacych do V Pojęcie punktu wierzchołkowego jest pojęciem fundamentalnym w teorii programowania liniowego W dalszej części wykładu pokażemy, że jeśli zadanie kanoniczne(przy dowolnym n N) posiada rozwiazanie, to wśród rozwi azań jest co najmniej jeden punkt wierzchołkowy zbioru U={u R n ; u 0, Au=b} (11) Teraz podamy charakteryzację punktów wierzcholkowych zbioru postaci(11) Twierdzenie1 Niechdanyb edziezbióru postaci(11)ipunktv R n,przyczyma R m n {0}, r :=ranka Punkt v jest punktem wierzchołkowym zbioru U wtedy i tylko wtedy, gdy istniejawskaźniki1 j 1 <<j r ntakie,że v j 0, j {j 1,,j r } v j =0, j / {j 1,,j r } A j1 v j 1 ++A jr v jr =b kolumnya j1,,a jr s aliniowoniezależnewr m (12) 9
10 Dowód powyższego twierdzeni można znaleźć w monografii[v] UkładwektorówA j1,,a jr występuj acych w warunkach(12) nazywamy baza punktu wierzchołkowegov,aodpowiedniewspółrzędnev j 1,,v jr -współrz ednymi bazowymi punktu wierzchołkowego v Punkt wierzchołkowy, którego wszystkie współrzędne bazowe sado- datnie nazywamy nieosobliwym Punkt wierzchołkowy, którego co najmniej jedna współrzędna bazowajestrównazeronazywamyosobliwym Zmienneu j 1,,u jr nazywamyzmiennymi bazowymi,apozostałe-zmiennyminiebazowymi (przyustalonejbaziea j1,,a jr ) Z twierdzenia 1 wynika, że baza nieosobliwego punktu wierzchołkowego zbioru(11) jest wyznaczona jednoznacznie Osobliwy punkt wierzchołkowy może mieć wiele baz 15 Metoda sympleksowa Metoda sympleksowa polega na uporzadkowanym sprawdzaniu wartości funkcjonału kosztu w punktach wierzchołkowych zbioru ograniczajacego( uporz adkowanie oznacza tu, że wartości funkcjonału kosztu w kolejnych punktach nie rosna) Rozważmy zadanie kanoniczne postaci J(u)= c,u min u U ={u R n ; u 0,Au=b} gdzie0 A R m n,przyczymzakładaćbędziemywtymrozdziale,żeu (kwestia niepustości zbioru U omówiona będzie w dalszej części wykładu) Oczywiście ranka min{m, n}(podobnie, jak wcześniej, ranka oznaczać będziemy przez r) Równość Au=b (13) możemy zapisać w postaci układu równań A i,u =b i, i=1,,m, gdziea i oznaczai-tywierszmacierzya Niezmniejszaj ac ogólności rozważań, możemy założyć,żer=m Oczywiścier n Jeżelir=n,topowyższyukładmadokładniejedno rozwiazanieu,przyczymu 0(gdybyktóraśzewspółrzędnychpunktuubyłaujemna, 10
11 to zbiór U byłby pusty, co sprzeczne byłoby z naszym założeniem) W konsekwencji zbiór U jestjednoelementowyitymsamymujestrozwi azaniem zadania(13) Będziemy więc zakładać w dalszym ciagu,żer=morazr<n Równość Au=b możemy więc zapisać w postaci gdzier=ranka<n a 1,1 u 1 ++a 1,n u n =b 1 (14) a r,1 u 1 ++a r,n u n =b r Podamy teraz opis metody sympleksowej Przypuśćmy, że dany jest punkt wierzchołkowy vzbioru U={u R n ; u 0,Au=b} izałóżmy,żekolumnya 1,,A r s abaz ategopuntu,v 1,,v r -jegowspółrzędnymibazowymi (kwestia wyznaczenia poczatkowego punktu wierzchołkowego v zbioru U i określenia jego współrzędnych bazowych omówiona będzie w dalszej części wykładu) Wprowadźmy następujace oznaczenia u= u 1 u r v 1, v= v r c 1, c= c 1, a 1,1 a 1,r B= =[A 1 A r ] a r,1 a r,r Wówczas układ(14) możemy zapisać w postaci Bu+A r+1 u r+1 ++A n u n =b (15) 11
12 Z liniowej niezależności kolumn A 1,,A r (jest to baza punktu v) wynika, że istnieje macierzodwrotnab 1 Współrzędneniebazowepunktuvs azerowe,awięcz(15)otrzymujemy Bv=b, sk ad v=b 1 b Mnoż acrówność(15)lewostronnieprzezb 1,otrzymujemy Oznaczmy u+ n k=r+1 B 1 A k u k =B 1 b=v (16) γ s,k = (B 1 A k ) s dla k=r+1,,n, s=1,,r gdzie(b 1 A k ) s oznaczas-t a współrzędnawektora-kolumnyb 1 A k Równość(16)możemy teraz zapisać w postaci następujacego układu równań u 1 +γ 1,r+1 u r+1 ++γ 1,n u n =v 1 u 2 +γ 2,r+1 u r+1 ++γ 2,n u n =v 2 u r +γ r,r+1 u r+1 ++γ r,n u n =v r (17) Określmy także γ s,k =(B 1 A k ) s dlak=1,r, s=1,,r(oczywiścieγ sk =δ s,k dlak=1,,r, s=1,,r,gdzieδ s,k =1 gdys=korazδ s,k =0gdys k) Pokazaliśmy więc, że majac ustalony punkt wierzchołkowyv zbioru U i wiedz ac, że współrzędnezindeksami1,,rs a jego współrzędnymi bazowymi, można zapisać ograniczenia (14) w równoważnej postaci(15) lub(16) lub(17) Wartość funkcjonału kosztu J w punkcie u spełniajacym ograniczenia typu równości 12
13 (14), można zapisać w następujacej postaci J(u) = c,u = = c,v = c,v n c i u i = c,u + i=1 n i=r+1 B 1 A i u i + n i=r+1 n i=r+1 n ( c,b 1 A i ci )u i i=r+1 c i u i c i u i Ponieważ więc gdzie Określmy także c,v = c,v =J(v), n J(u)=J(v) i u i, (18) i=r+1 i = c,b 1 A i ci, i=r+1,,n i = c,b 1 A i ci (19) dlai=1,,r Oczywiście i = c,b 1 A i ci = c,e i c i =c i c i =0 dlai=1,,r(tutaje i jesti-t akolumn a macierzy jednostkowej o wymiarach r r) Dokonajmy częściowego podsumowania Pokazaliśmy, że zadanie(13) możemy zapisać wnastępuj acej postaci J(u)=J(v) n i=r+1 i u i min U={u=(u 1,,u n ) R n ; u 0,uspełnia(17)} Występujacewpowyższymopisiewielkościγ s,k,v i, i zapiszemywpostacitzw tablicy sympleksowej, odpowiadajacej punktowi wierzchołkowemu v (20) 13
14 Tablica sympleksowa I(dla punktu v) u 1 u i u s u r u r+1 u k u j u n u γ 1,r+1 γ 1,k γ 1,j γ 1,n v 1 u i γ i,r+1 γ i,k γ i,j γ i,n u s γ s,r+1 γ s,k γ s,j γ s,n u r γ r,r+1 γ r,k γ r,j γ r,n v i v s v r r+1 k j n J(v) Analizujac tablicę sympleksowa I, możemy wyróżnić trzy przypadki: 1 0 spełniones a nierówności i = c,b 1 A i ci 0 (21) dla i = r+1,,n, tzn wostatnim wierszu tablicy sympleksowej wszystkie liczby i s a niedodatnie W tym przypadku punkt v, dla którego skonstruowana została tablica sympleksowa, jest rozwiazaniem zadania Istotnie, bowiem dla dowolnego u U mamy J(u)=J(v) n i=r+1 i u i J(v) (bo i 0,u i 0) 2 0 istniejewskaźnikk {r+1,,n}taki,że k >0 γ i,k 0dlai=1,,r(czyliB 1 A k 0) (22) Oznaczato,żewk-tejkolumnietablicysympleksowejostatnielement( k )jestdodatni,a pozostałe- niedodatnie W tym przypadku inf J(u)= (dowódtegofaktupomijamy) u U Oznaczato,żezadanieniemarozwi azania 14
15 3 0 niezachodz aprzypadki1 0 i2 0 ;wkonsekwencjiistniej awskaźnikik {r+1,,n}, i {1,,r}takie,że k >0, γ i,k >0 (23) Oznaczato,żewk-tejkolumnietablicysympleksowejostatnielement( k )jestdodatni iconajmniejjednazliczbγ i,k jestdodatnia Załóżmy,żezachodziprzypadek3 0 iokreślmyzbiór I v,k ={i {1,,r}, γ i,k >0} Niechs I v,k będzietakimwskaźnikiem,że v s v i = min (24) γ s,k i I v,k γ i,k Współczynnik γ s,k, gdzie wskaźniki k,s s a określone przez (23) i (24), nazywany jest elementem rozwiazuj acym tablicy sympleksowej I Można pokazać, że układ kolumn A 1,,A s 1,A s+1,,a r,a k (25) jestbaz a pewnego punktu wierzchołkowego w, przy czym J(w) J(v) Uwaga 1 Z faktu, że macierz A ma r wierszy wynika, wobec twierdzenia charakteryzujacego punkty wierzchołkowe, iż baza(25) wyznacza punkt wierzchołkowy w sposób jednoznaczny Można więc znaleźć współrzędne punktu w, korzystajac z tego twierdzenia Przejdźmy teraz do przypadku ogólnego Łatwo zauważyć, że jeśli współrzędnymi bazowymipunktuvs a v j 1,,v jr, gdzie 1 j 1 < < j r n, to wzory wyrażaj ace zmienne bazowe i funkcjonał kosztu przy pomocy zmiennych niebazowych, przyjmujapostać(poniżejsymbolemi v oznaczamy 15
16 zbiór{j 1,,j r }) u j 1 =v j 1 u j r =v j r k/ I v γ j1,ku k k/ I v γ jr,ku k (26) J(u)=J(v) k/ I v k u k, (27) gdzie γ ji,k=(b 1 A k ) i ; i=1,,r, k / I v (28) zb=[a j1 A jr ],c= k = c,b 1 A k ck, k / I v, (29) c j1 Podobnie,jakwcześniej c jr v j i =(B 1 b) i, i=1,,r Uwaga 2 Współrzędne, o których mowa w Uwadze 1 można wyznaczyć przy pomocy powyższego wzoru Określmy także γ ji,k=(b 1 A k ) i =δ ji,k, i=1,,r, k I v, k = c,b 1 A k ck =0, k I v W tym przypadku tablica sympleksowa dla punktu v jest następujaca: Tablica sympleksowa II(dla punktu v) 16
17 u 1 u j 1 u j i u k u js u j u jr u n u j 1 γ j1,1 1 0 γ j1,k 0 γ j1,j 0 γ j1,n v j 1 u j i γ ji,1 0 1 γ ji,k 0 γ ji,j 0 γ ji,n v j i u js γ js,1 0 0 γ js,k 1 γ js,j 0 γ js,n v js u jr γ jr,1 0 0 γ jr,k 0 γ jr,j 1 γ jr,n v jr k 0 j 0 n J(v) Tak, jak wcześniej, należy rozważyć trzy przypadki: 1 0 spełnionyjestwarunek 2 0 istniejek / I v takie,że k 0, k / I v (30) k >0, γ ji,k 0, i=1,,r (31) 3 0 niezachodziprzypadek1 0 i2 0 ;wkonsekwencjiistniej ak / I v orazj i I v takie,że k >0, γ ji,k>0 (32) Podobnie, jak wcześniej, można sprawdzić, że w pierwszym przypadku punkt v jest rozwiazaniem zadania (13), w drugim - inf c,u =, czyli zadanie (13) nie ma u U rozwiazania Wtrzecimprzypadkumożnawybraćindeksyk orazj s I v,k napodstawiewarunku (31) oraz warunku v j s v ji = min, (33) γ js,k j i I v,k γ ji,k gdziei v,k ={j i I v ; γ ji,k>0},któres a analogiczne do warunków(23),(24) Następnie, należy wykonać przejście do nowego punktu wierzchołkowego w Bazapunktuwbędzie układ kolumn(z dokładnościa do ich kolejności) A j1,,a js 1,A js+1,,a jr,a k, 17
18 przy czym J(w) J(v) Współrzędne punktu w można wyznaczyć na podstawie twierdzenia charakteryzujacego punkty wierzchołkowe lub w sposób opisany w Uwadze 2 Uwaga 3 Można pokazać, że w j 1 =v j 1 γ j1,k vjs γ js,k w j i =v j i γ ji,k vjs γ j s,k w j s 1 =v j s 1 γ js 1,k vj s γ j s,k w j s =v j s γ js,k vjs γ js,k =0 w j s+1 =v j s+1 γ js+1,k vj s γ j s,k w jr =v jr γ jr,k vj s γ j s,k w k = vjs γ js,k w l =0, l / I v,l k, Tablica sympleksowa dla punktu w przyjmuje postać Tablica sympleksowa III(dla punktu w) 18
19 u 1 u j 1 u j i u k u js u j u jr u n u j 1 γ j 1, γ j 1,j s γ j 1,j 0 γ j 1,n w j 1 u j i γ j i, γ j i,j s γ j i,j 0 γ j i,n w j i u k γ k, γ k,j s γ k,j 0 γ k,n w k u j s 1 γ j s 1, γ j s 1,j s γ j s 1,j 0 γ j s 1,n w j s 1 u j s+1 γ j s+1, γ j s+1,j s γ j s+1,j 0 γ j s+1,n w j s+1 u j r γ j r, γ j r,j s γ j r,j 1 γ j r,n w j r j s j 0 n J(w) gdzie współczynniki γ i,j, j s a określone przy pomocy wzorów analogicznych do (28), (29)zmacierz ab postaci [A j1 A k A js 1 A js+1 A jr ] (podobnie, jak wcześniej, zakładamy tu, że wiersze i kolumny w tablicy sympleksowej oraz kolumnymacierzybs a ustawione w kolejności rosnacych indeksów) oraz Uwaga 4 Można pokazać, że γ j i,j =γ j i,j γ j i,k γ γ js,k js,j ; i=1,,r, i s, j=1,n, γ k,j = γ js,j γ js,k, j=1,n, j = γ js,j j k dlaj=1,,n γ js,k Opisany więc został jeden krok metody sympleksowej w dowolnym przypadku(co do bazy punktu wierzchołkowego), czyli przejście od jednego punktu wierzchołkowego(v) zbioru U dodrugiegopunktuwierzchołkowego(w)tegozbioru(wprzypadku3 0 )wtakisposób, że J(w) J(v) 19
20 16 Reguła antycykliczna Podczas realizacji metody sympleksowej może się zdarzyć, że v ji 0= min j i I v,k γ ji,k = vj s γ js,k ZewzorówpodanychwUwadze3wynika,żewtakimprzypadku w=v iwkonsekwencji J(w)=J(v), aprzejścieodpunktuvdopunktuwoznaczajedynieprzejścieodbazy A j1,,a jr do bazy A j1,,a k,,a js 1,A js+1,,a jr Można podać przykład zadania pokazujacy, że metoda sympleksowa może się zapętlić, tzn w kolejnych iteracjach punkt wierzchołkowy nie będzie się zmieniał, a jego bazy będa zmieniały się w sposób okresowy(cykliczny) Można jednak określić(na różne sposoby) regułę wyboru elementu rozwiazuj acegowtaki sposób,byunikn ać owego zapętlenia Każda taka reguła nazywana jest reguła antycykliczna Podamy teraz opis jednej z takich reguł Do tablicy sympleksowej punktu v (dla uproszczenia przyjmijmy, że kolumny A 1,,A r tworzabazępunktuv)dopisujemyr r-wymiarow a macierz jednostkowa[d i,j ] Dopisane wyrazy przekształcamy w każdej iteracji zgodnie ze wzorami podanymi w Uwadze 4, przy czym nie tworzymy współczynników Element rozwiazuj acyγ s,k wybieramyw następujacy sposób Niech k >0iI v,k ={i {1,,r}, γ i,k >0} Określmyzbiór v i I v,k,1 ={s I v,k ; min = vs } i I v,k γ i,k γ s,k 20
21 JeślizbiórI v,k,1 zawierawięcejniżjedenelement,totworzymyzbiór d i,1 I v,k,2 ={s I v,k,1 ; min = d s,1 } i I v,k,1 γ i,k γ s,k JeślimamyjużokreślonyzbiórI v,k,m (m 2)izawieraonwięcejniżjedenelement,to tworzymy zbiór d i,m I v,k,m+1 ={s I v,k,m ; min = d s,m } i I v,k,m γ i,k γ s,k Dowodzisię,żeistniejel {1,,r+1}takie,żezbiórI v,k,l składasięzjednegoelementu s, przyczymwszystkiezbioryi v,k,i, i=1,,l 1, zawieraj a więcej niż jeden element Jako indeks s, służ acy do określenia elementu rozwiazuj acego, przyjmujemy ów jedyny elementzbiorui v,k,l Można pokazać, że stosowanie w każdym kroku metody sympleksowej takiego sposobu wyboru indeksu s, wyznaczajacego element rozwiazuj acy, pozwala uniknaćzapętleniaiw skończonej ilości kroków znaleźć rozwiazanie zadania, badź stwierdzić, że rozwiazanie nie istnieje( 1 ) 17 Wybórpocz atkowego punktu wierzchołkowego Niech dane będzie zadanie kanoniczne J(u)= c,u min (34) u U={u=(u 1,,u n ) R n ; u 0,Au=b}, (35) gdzie A R m n Opisuj ac metodę sympleksowa, zakładaliśmy między innymi, że zbiór U jest niepusty i znany jest pewien punkt wierzchołkowy tego zbioru Pokażemy terazjakstwierdzić,czyu iznaleźćówpunktwierzchołkowy Bezzmniejszaniaogólnościrozważańmożemyzałożyć,żeb i 0dlai=1,,m(mnoż ac w razie potrzeby odpowiednie równania przez 1) 1 Zatemniemożesiętakżezdarzyć,żewnieuporz adkowany sposób będziemy przerabiać bazy jednego punktu wierzchołkowego, a także, iż w nieskończony sposób (cykliczny lub nie) będziemy przerabiać punkty wierzchołkowe (przejście do kolejnego punktu wierzchołkowego w v oznacza, że v js > 0 i w konsekwencji J(w) < J(v)) 21
22 Rozważmy zadanie pomocnicze postaci J 1 (z)=u n+1 ++u n+m min (36) z Z={z= u w R n+m ; z 0, Cz=b}, (37) gdziec=[a I m m ],w=(u n+1,,u n+m ) Układ zapiszmy w postaci Cz=b a 1,1 u 1 ++a 1,n u n +u n+1 =b 1 a m,1 u 1 ++a m,n u n +u n+m =b m Łatwo widać, że zbiór Z jest niepusty, bowiem z 0 :=(0,b) Z Łatwo też widać, że z 0 jest punktem wierzchołkowym zbioru Z z baz a złożon a z ostatnichmkolumnmacierzyc,czyliwektorówjednostkowyche 1,,e m R m (rankc=m) Można więc do zadania(36)-(37) zastosować metodę sympleksowazpocz atkowym punktemwierzchołkowymz 0 Ponieważ więc niemożliwy jest przypadek J 1 (z) 0, z Z, inf J 1(z)= z Z Zatem, stosujac metodę sympleksow a, w skończonej ilości kroków otrzymamy punkt wierzchołkowyz =(u,w ) Z będ acyrozwi azaniem zadania(36)-(37) Możliwes a tutaj dwa przypadki 1 0 J 1 (z )>0 WówczaszbiórU (danyprzez(35))jestzbiorempustym Istotnie,w przeciwnymbowiemrazie(czyligdybyistniałpunktu U)punktz=(u,0)należałby do zbioru Z oraz spełniona byłaby równość J 1 (z)=0, 22
23 co sprzeczne jest z nierównościaj 1 (z )>0ioptymalności apunktuz 2 0 J 1 (z ) = 0 Wówczas punkt z jest postaci (u,0) Jako punkt uzyskany przy pomocymetodysympleksowejz jestpunktemwierzchołkowymzbioruz St ad wynika, że u jest punktemwierzchołkowymzbioruu Istotnie, ponieważ z 0, więcu 0, natomiast z równości Cz =b wynika, że Awięc Przypuśćmy teraz, że Au =b u U u =αu+(1 α)ũ, gdzieα (0,1),u,ũ U Punktyz =(u,0), z=(ũ,0)należ a oczywiście do zbioru Z, przy czym z =αz+(1 α) z Ponieważz jestpunktemwierzchołkowymzbioruz,więctooznacza,że z= z, sk ad u=ũ Azatemu jestpunktemwierzchołkowymzbioruu Pokazaliśmy więc, że majac wyjściowe zadanie(34)-(35) i rozważajac zadanie pomocnicze(36)-(37), potrafimy stwierdzić(stosuj ac metodę sympleksowadozadania(36)-(37)), czyu i,jeślitak,wyznaczyćpocz atkowy punkt wierzchołkowy zbioru U Uwaga3 Maj acpunktwierzchołkowyu zbioruu możnawyznaczyćrz ad macierzy Aiwskazaćwspółrzędnebazowepunktuv wnastępuj acy sposób Dodatnie współrzędne punktu v s a oczywiście jego współrzędnymi bazowymi Uzupełniajac układ kolumn 23
24 odpowiadaj acych tymże dodatnim współrzędnym kolumnami wybranymi spośród pozostałych kolumn tak, by otrzymany układ stanowił bazę powłoki liniowej wszystkich kolumn, otrzymamybazępunktuv (znaćteżbędziemyrankaiwspółrzędnebazowepunktuv ) Ta metoda w praktyce jest stosowana w przypadku małych wartości m i n Z rozważań dotyczacych zadania pomocniczego(36)-(37) wynika Twierdzenie2 Jeśli zbiór U dany przez (35) jest niepusty, to ma co najmniej jeden punkt wierzchołkowy Korzystajac z opisu metody sympleksowej, udowodnimy teraz dwa podstawowe fakty teorii programowania liniowego Twierdzenie 3 Na to, aby kanoniczne zadanie postaci(34)-(35) miało rozwiazanie, tzn abyistniałpunktu U taki,że potrzeba i wystarcza, aby c,u = inf u U c,u 1) zbióru byłniepusty 2) funkcjonałj(u)= c,u byłograniczonyzdołunazbiorzeu Dowód Konieczność Konieczność warunków 1) i 2) jest oczywista Dostateczność Z warunku 1) i twierdzenia 2 wynika, że istnieje punkt wierzchołkowy zbioruu Możnawięc, startuj acztegopunktu, rozwi azywać zadanie metodasymplek- sow a Zwarunku2)wynika,żewżadnejiteracjiniezajdzieprzypadek2 0 (zopisumetody sympleksowej) Oznacza to, że po skończonej ilości kroków metoda sympleksowa zakończy się znalezieniem rozwiazaniau zadania(34)-(35) Twierdzenie 4 Jeśli zadanie(34)-(35) ma rozwiazanie,towśródrozwi azań co najmniej jeden punkt jest punktem wierzchołkowym 24
25 Dowód Z twierdzenia 3 wynika, że U i funkcjonał J jest ograniczony z dołu na U Z twierdzenia 2 wynika, że zbiór U ma co najmniej jeden punkt wierzchołkowy Startujac z tego punktu, w skończonej ilości kroków matody sympleksowej, otrzymamy rozwiazanieu,którejestpunktemwierzchołkowymzbioruu(wżadnejiteracjiniezajdzie przypadek2 0,gdyż Dowód twierdzenia jest zakończony inf J(u)> ) u U 25
Programowanie liniowe w logistyce
Programowanie liniowe w logistyce kierunek Informatyka, studia I stopnia wyklad 1 Wstęp Przedmiotem logistyki sa min procesy transportu i magazynowania surowców oraz wytworzonych dóbr, a także planowania
Bardziej szczegółowoWstęp do logistyki. kierunek: Matematyka specjalność: Logistyka z zastosowaniem matematyki i informatyki. wykład. 1.1 Modelowanie
Wstęp do logistyki kierunek: Matematyka specjalność: Logistyka z zastosowaniem matematyki i informatyki wykład Wstęp Przedmiotem logistyki sa min procesy transportu i magazynowania surowców oraz wytworzonych
Bardziej szczegółowoBadania operacyjne. 1 Programowanie liniowe. kierunek Informatyka, studia II stopnia ćwiczenia. 1.1 Modelowanie
Badania operacyjne kierunek Informatyka studia II stopnia ćwiczenia Programowanie liniowe Modelowanie Zadanie Producent odzieży powinien określić ile kurtek i płaszczy należy wyprodukować tak aby zysk
Bardziej szczegółowoBadania Operacyjne. 1 Programowanie liniowe. kierunek Informatyka, studia II stopnia. wyklad. 1.1 Modelowanie
Badania Operacyjne kierunek Informatyka, studia II stopnia wyklad 1 Programowanie liniowe Programowanie liniowe jest jednym z działów teorii zadań ekstremalnych i głównym nurtem badań operacyjnych Podstawy
Bardziej szczegółowoMetoda graficzna może być stosowana w przypadku gdy model zawiera dwie zmienne decyzyjne. Metoda składa się z dwóch kroków (zobacz pierwszy wykład):
może być stosowana w przypadku gdy model zawiera dwie zmienne decyzyjne. Metoda składa się z dwóch kroków (zobacz pierwszy wykład): 1 Narysuj na płaszczyźnie zbiór dopuszczalnych rozwiazań. 2 Narysuj funkcję
Bardziej szczegółowoBadania Operacyjne. 1 Programowanie liniowe. kierunek Informatyka, studia II stopnia. wyklad. 1.1 Modelowanie
Badania Operacyjne kierunek Informatyka, studia II stopnia wyklad 1 Programowanie liniowe Programowanie liniowe jest jednym z działów teorii zadań ekstremalnychigłównym nurtem badań operacyjnych. Podstawy
Bardziej szczegółowoProgramowanie liniowe w logistyce
Programowanie liniowe w logistyce kierunek Informatyka, studia I stopnia ćwiczenia Programowanie liniowe Modelowanie Zadanie Zapisać nast epujace zadanie w postaci zadania programowania liniowego Producent
Bardziej szczegółowoProgramowanie liniowe
Programowanie liniowe Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW wykład z algebry liniowej Warszawa, styczeń 2010 Mirosław Sobolewski (UW) Warszawa, 2009 1 / 15 Homo oeconomicus=
Bardziej szczegółowo7 Funkcja Lagrange a i zadanie dualne
7 Funkcja Lagrange a i zadanie dualne Rozważmy ogólne zadanie programowania liniowego J(u)=hc,ui!min. u U = fu=(u 1,...,u n ) R n ; u i 0dlai I,Au b,au=bg gdzie A= 6 4 Wprowadźmy oznaczenia a 1,1... a
Bardziej szczegółowoProgramowanie liniowe metoda sympleks
Programowanie liniowe metoda sympleks Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW wykład z algebry liniowej Warszawa, styczeń 2009 Mirosław Sobolewski (UW) Warszawa, 2009 1 / 13
Bardziej szczegółowoProgramowanie liniowe
Programowanie liniowe Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW wykład z algebry liniowej Warszawa, styczeń 2015 Mirosław Sobolewski (UW) Warszawa, 2015 1 / 16 Homo oeconomicus=
Bardziej szczegółowo1 Przykładowe klasy zagadnień liniowych
& " 1 PRZYKŁADOWE KLASY ZAGADNIEŃ LINIOWYCH 1 1 Przykładowe klasy zagadnień liniowych Liniowy model produkcji Zakład może prowadzić rodzajów działalności np. produkować różnych wyrobów). Do prowadzenia
Bardziej szczegółowoRozwiazywanie układów równań liniowych. Ax = b
Rozwiazywanie układów równań liniowych Ax = b 1 PLAN REFERATU: Warunki istnienia rozwiazań układu Metoda najmniejszych kwadratów Metoda najmniejszych kwadratów - algorytm rekurencyjny Rozwiazanie układu
Bardziej szczegółowoProgramowanie liniowe metoda sympleks
Programowanie liniowe metoda sympleks Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 13. wykład z algebry liniowej Warszawa, styczeń 2018 Mirosław Sobolewski (UW) Warszawa, 2018 1 /
Bardziej szczegółowoMETODA SYMPLEKS. Maciej Patan. Instytut Sterowania i Systemów Informatycznych Uniwersytet Zielonogórski
METODA SYMPLEKS Maciej Patan Uniwersytet Zielonogórski WSTĘP Algorytm Sympleks najpotężniejsza metoda rozwiązywania programów liniowych Metoda generuje ciąg dopuszczalnych rozwiązań x k w taki sposób,
Bardziej szczegółowoUkłady równań liniowych
Układy równań liniowych Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 1. wykład z algebry liniowej Warszawa, październik 2015 Mirosław Sobolewski (UW) Warszawa, wrzesień 2015 1 / 1
Bardziej szczegółowoProgramowanie liniowe metoda sympleks
Programowanie liniowe metoda sympleks Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW wykład z algebry liniowej Warszawa, styczeń 2012 Mirosław Sobolewski (UW) Warszawa, 2012 1 / 12
Bardziej szczegółowoRównania liniowe. Rozdział Przekształcenia liniowe. Niech X oraz Y będą dwiema niepustymi przestrzeniami wektorowymi nad ciałem
Rozdział 6 Równania liniowe 6 Przekształcenia liniowe Niech X oraz Y będą dwiema niepustymi przestrzeniami wektorowymi nad ciałem F Definicja 6 Funkcję f : X Y spełniającą warunki: a) dla dowolnych x,
Bardziej szczegółowoUkłady równań i nierówności liniowych
Układy równań i nierówności liniowych Wiesław Krakowiak 1 grudnia 2010 1 Układy równań liniowych DEFINICJA 11 Układem równań m liniowych o n niewiadomych X 1,, X n, nazywamy układ postaci: a 11 X 1 + +
Bardziej szczegółowoZastosowania wyznaczników
Zastosowania wyznaczników Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 7.wykład z algebry liniowej Warszawa, listopad 2012 Mirosław Sobolewski (UW) Warszawa, listopad 2012 1 / 17
Bardziej szczegółowoUKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH
Transport, studia niestacjonarne I stopnia, semestr I Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko Postać układu równań liniowych Układ liniowych równań algebraicznych
Bardziej szczegółowoUKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH
Transport, studia I stopnia rok akademicki 2011/2012 Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko Uwagi wstępne Układ liniowych równań algebraicznych można
Bardziej szczegółowoWyk lad 7 Metoda eliminacji Gaussa. Wzory Cramera
Wyk lad 7 Metoda eliminacji Gaussa Wzory Cramera Metoda eliminacji Gaussa Metoda eliminacji Gaussa polega na znalezieniu dla danego uk ladu a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n x n =
Bardziej szczegółowoa 11 a a 1n a 21 a a 2n... a m1 a m2... a mn a 1j a 2j R i = , C j =
11 Algebra macierzy Definicja 11.1 Dla danego ciała F i dla danych m, n N funkcję A : {1,..., m} {1,..., n} F nazywamy macierzą m n (macierzą o m wierszach i n kolumnach) o wyrazach z F. Wartość A(i, j)
Bardziej szczegółowoBaza w jądrze i baza obrazu ( )
Przykład Baza w jądrze i baza obrazu (839) Znajdź bazy jądra i obrazu odwzorowania α : R 4 R 3, gdzie α(x, y, z, t) = (x + 2z + t, 2x + y 3z 5t, x y + z + 4t) () zór ten oznacza, że α jest odwzorowaniem
Bardziej szczegółowo2. Definicja pochodnej w R n
2. Definicja pochodnej w R n Niech będzie dana funkcja f : U R określona na zbiorze otwartym U R n. Pochodną kierunkową w punkcie a U w kierunku wektora u R n nazywamy granicę u f(a) = lim t 0 f(a + tu)
Bardziej szczegółowoUkłady liniowo niezależne
Układy liniowo niezależne Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 3.wykład z algebry liniowej Warszawa, październik 2016 Mirosław Sobolewski (UW) Warszawa, październik 2016 1
Bardziej szczegółowoVII. Elementy teorii stabilności. Funkcja Lapunowa. 1. Stabilność w sensie Lapunowa.
VII. Elementy teorii stabilności. Funkcja Lapunowa. 1. Stabilność w sensie Lapunowa. W rozdziale tym zajmiemy się dokładniej badaniem stabilności rozwiązań równania różniczkowego. Pojęcie stabilności w
Bardziej szczegółowoProgramowanie liniowe
Programowanie liniowe Maciej Drwal maciej.drwal@pwr.wroc.pl 1 Problem programowania liniowego min x c T x (1) Ax b, (2) x 0. (3) gdzie A R m n, c R n, b R m. Oznaczmy przez x rozwiązanie optymalne, tzn.
Bardziej szczegółowoIndukcja. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak
Indukcja Materiały pomocnicze do wykładu wykładowca: dr Magdalena Kacprzak Charakteryzacja zbioru liczb naturalnych Arytmetyka liczb naturalnych Jedną z najważniejszych teorii matematycznych jest arytmetyka
Bardziej szczegółowoObliczenia naukowe Wykład nr 8
Obliczenia naukowe Wykład nr 8 Paweł Zieliński Katedra Informatyki, Wydział Podstawowych Problemów Techniki, Politechnika Wrocławska Literatura Literatura podstawowa [] D. Kincaid, W. Cheney, Analiza numeryczna,
Bardziej szczegółowoZAGADNIENIE DUALNE Rozważmy zagadnienie liniowe(zagadnienie to nazywamy prymalnym) o postaci kanonicznej:
A Kasperski, M Kulej Badania Operacyjne- programowanie liniowe 1 ZAGADNIENIE DUALNE Rozważmy zagadnienie liniowe(zagadnienie to nazywamy prymalnym) o postaci kanonicznej: max z = c 1 x 1 + c 2 x 2 + +
Bardziej szczegółowodr Mariusz Grządziel 15,29 kwietnia 2014 Przestrzeń R k R k = R R... R k razy Elementy R k wektory;
Wykłady 8 i 9 Pojęcia przestrzeni wektorowej i macierzy Układy równań liniowych Elementy algebry macierzy dodawanie, odejmowanie, mnożenie macierzy; macierz odwrotna dr Mariusz Grządziel 15,29 kwietnia
Bardziej szczegółowoZaawansowane metody numeryczne
Wykład 10 Rozkład LU i rozwiązywanie układów równań liniowych Niech będzie dany układ równań liniowych postaci Ax = b Załóżmy, że istnieją macierze L (trójkątna dolna) i U (trójkątna górna), takie że macierz
Bardziej szczegółowo13 Układy równań liniowych
13 Układy równań liniowych Definicja 13.1 Niech m, n N. Układem równań liniowych nad ciałem F m równaniach i n niewiadomych x 1, x 2,..., x n nazywamy koniunkcję równań postaci a 11 x 1 + a 12 x 2 +...
Bardziej szczegółowoAlgebra liniowa z geometrią
Algebra liniowa z geometrią Maciej Czarnecki 15 stycznia 2013 Spis treści 1 Geometria płaszczyzny 2 1.1 Wektory i skalary........................... 2 1.2 Macierze, wyznaczniki, układy równań liniowych.........
Bardziej szczegółowoPrzestrzenie wektorowe
Rozdział 4 Przestrzenie wektorowe Rozważania dotyczące przestrzeni wektorowych rozpoczniemy od kilku prostych przykładów. Przykład 4.1. W przestrzeni R 3 = {(x, y, z) : x, y, z R} wprowadzamy dwa działania:
Bardziej szczegółowoWstęp do metod numerycznych Uwarunkowanie Eliminacja Gaussa. P. F. Góra
Wstęp do metod numerycznych Uwarunkowanie Eliminacja Gaussa P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2012 Uwarunkowanie zadania numerycznego Niech ϕ : R n R m będzie pewna funkcja odpowiednio wiele
Bardziej szczegółowoSIMR 2016/2017, Analiza 2, wykład 1, Przestrzeń wektorowa
SIMR 06/07, Analiza, wykład, 07-0- Przestrzeń wektorowa Przestrzeń wektorowa (liniowa) - przestrzeń (zbiór) w której określone są działania (funkcje) dodawania elementów i mnożenia elementów przez liczbę
Bardziej szczegółowoA. Kasperski, M. Kulej Badania Operacyjne- metoda sympleks 1
A. Kasperski, M. Kulej Badania Operacyjne- metoda sympleks 1 ALGORYTM SYMPLEKS Model liniowy nazywamy modelem w postaci standardowej jeżeli wszystkie ograniczenia s a w postaci równości i wszystkie zmienne
Bardziej szczegółowoAnaliza funkcjonalna 1.
Analiza funkcjonalna 1. Wioletta Karpińska Semestr letni 2015/2016 0 Bibliografia [1] Banaszczyk W., Analiza matematyczna 3. Wykłady. (http://math.uni.lodz.pl/ wbanasz/am3/) [2] Birkholc A., Analiza matematyczna.
Bardziej szczegółowoKolejny krok iteracji polega na tym, że przechodzimy do następnego wierzchołka, znajdującego się na jednej krawędzi z odnalezionym już punktem, w
Metoda Simpleks Jak wiadomo, problem PL z dowolną liczbą zmiennych można rozwiązać wyznaczając wszystkie wierzchołkowe punkty wielościanu wypukłego, a następnie porównując wartości funkcji celu w tych
Bardziej szczegółowoWykład 14. Elementy algebry macierzy
Wykład 14 Elementy algebry macierzy dr Mariusz Grządziel 26 stycznia 2009 Układ równań z dwoma niewiadomymi Rozważmy układ równań z dwoma niewiadomymi: a 11 x + a 12 y = h 1 a 21 x + a 22 y = h 2 a 11,
Bardziej szczegółowoUkłady równań liniowych
Układy równań liniowych Niech K będzie ciałem. Niech n, m N. Równanie liniowe nad ciałem K z niewiadomymi (lub zmiennymi) x 1, x 2,..., x n K definiujemy jako formę zdaniową zmiennej (x 1,..., x n ) K
Bardziej szczegółowo1. PODSTAWY TEORETYCZNE
1. PODSTAWY TEORETYCZNE 1 1. 1. PODSTAWY TEORETYCZNE 1.1. Wprowadzenie W pierwszym wykładzie przypomnimy podstawowe działania na macierzach. Niektóre z nich zostały opisane bardziej szczegółowo w innych
Bardziej szczegółowoMetoda simpleks. Gliwice
Sprowadzenie modelu do postaci bazowej Sprowadzenie modelu do postaci bazowej Przykład 4 Model matematyczny z Przykładu 1 sprowadzić do postaci bazowej. FC: ( ) Z x, x = 6x + 5x MAX 1 2 1 2 O: WB: 1 2
Bardziej szczegółowoO MACIERZACH I UKŁADACH RÓWNAŃ
O MACIERZACH I UKŁADACH RÓWNAŃ Problem Jak rozwiązać podany układ równań? 2x + 5y 8z = 8 4x + 3y z = 2x + 3y 5z = 7 x + 8y 7z = Definicja Równanie postaci a x + a 2 x 2 + + a n x n = b gdzie a, a 2, a
Bardziej szczegółowoWykład 5. Metoda eliminacji Gaussa
1 Wykład 5 Metoda eliminacji Gaussa Rozwiązywanie układów równań liniowych Układ równań liniowych może mieć dokładnie jedno rozwiązanie, nieskończenie wiele rozwiązań lub nie mieć rozwiązania. Metody dokładne
Bardziej szczegółowo2 1 3 c c1. e 1, e 2,..., e n A= e 1 e 2...e n [ ] M. Przybycień Matematyczne Metody Fizyki I
Liniowa niezależno ność wektorów Przykład: Sprawdzić czy następujące wektory z przestrzeni 3 tworzą bazę: e e e3 3 Sprawdzamy czy te wektory są liniowo niezależne: 3 c + c + c3 0 c 0 c iei 0 c + c + 3c3
Bardziej szczegółowoAlgebra liniowa. Macierze i układy równań liniowych
Algebra liniowa Macierze i układy równań liniowych Własności wyznaczników det I = 1, det(ab) = det A det B, det(a T ) = det A. Macierz nieosobliwa Niech A będzie macierzą kwadratową wymiaru n n. Mówimy,
Bardziej szczegółowoRozwiązywanie układów równań liniowych
Rozwiązywanie układów równań liniowych Marcin Orchel 1 Wstęp Jeśli znamy macierz odwrotną A 1, to możęmy znaleźć rozwiązanie układu Ax = b w wyniku mnożenia x = A 1 b (1) 1.1 Metoda eliminacji Gaussa Pierwszy
Bardziej szczegółowoa 11 a a 1n a 21 a a 2n... a m1 a m2... a mn x 1 x 2... x m ...
Wykład 15 Układy równań liniowych Niech K będzie ciałem i niech α 1, α 2,, α n, β K. Równanie: α 1 x 1 + α 2 x 2 + + α n x n = β z niewiadomymi x 1, x 2,, x n nazywamy równaniem liniowym. Układ: a 21 x
Bardziej szczegółowowszystkich kombinacji liniowych wektorów układu, nazywa się powłoką liniową uk ładu wektorów
KOINACJA LINIOWA UKŁADU WEKTORÓW Definicja 1 Niech będzie przestrzenią liniową (wektorową) nad,,,, układem wektorów z przestrzeni, a,, współczynnikami ze zbioru (skalarami). Wektor, nazywamy kombinacją
Bardziej szczegółowoPokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem
Zestaw zadań 9: Przestrzenie wektorowe. Podprzestrzenie () Wykazać, że V = C ze zwykłym dodawaniem jako dodawaniem wektorów i operacją mnożenia przez skalar : C C C, (z, v) z v := z v jest przestrzenią
Bardziej szczegółowoRozdział 1 PROGRAMOWANIE LINIOWE
Wprowadzenie do badań operacyjnych z komputerem Opisy programów, ćwiczenia komputerowe i zadania. T. Trzaskalik (red.) Rozdział 1 PROGRAMOWANIE LINIOWE 1.2 Ćwiczenia komputerowe Ćwiczenie 1.1 Wykorzystując
Bardziej szczegółowo1 Macierze i wyznaczniki
1 Macierze i wyznaczniki 11 Definicje, twierdzenia, wzory 1 Macierzą rzeczywistą (zespoloną) wymiaru m n, gdzie m N oraz n N, nazywamy prostokątną tablicę złożoną z mn liczb rzeczywistych (zespolonych)
Bardziej szczegółowoAlgorytm simplex i dualność
Algorytm simplex i dualność Łukasz Kowalik Instytut Informatyki, Uniwersytet Warszawski April 15, 2016 Łukasz Kowalik (UW) LP April 15, 2016 1 / 35 Przypomnienie 1 Wierzchołkiem wielościanu P nazywamy
Bardziej szczegółowoMet Me ody numer yczne Wykład ykład Dr inż. Mic hał ha Łanc Łan zon Instyt Ins ut Elektr Elektr echn iki echn i Elektrot Elektr echn olo echn
Metody numeryczne Wykład 3 Dr inż. Michał Łanczont Instytut Elektrotechniki i Elektrotechnologii E419, tel. 4293, m.lanczont@pollub.pl, http://m.lanczont.pollub.pl Zakres wykładu Pojęcia podstawowe Algebra
Bardziej szczegółowoF t+ := s>t. F s = F t.
M. Beśka, Całka Stochastyczna, wykład 1 1 1 Wiadomości wstępne 1.1 Przestrzeń probabilistyczna z filtracją Niech (Ω, F, P ) będzie ustaloną przestrzenią probabilistyczną i niech F = {F t } t 0 będzie rodziną
Bardziej szczegółowoMetoda Simplex bez użycia tabel simplex 29 kwietnia 2010
R. Rȩbowski 1 WPROWADZENIE Metoda Simplex bez użycia tabel simplex 29 kwietnia 2010 1 Wprowadzenie Powszechnie uważa siȩ, że metoda simplex, jako uniwersalny algorytm pozwalaj acyznaleźć rozwi azanie optymalne
Bardziej szczegółowo1.1 Przegląd wybranych równań i modeli fizycznych. , u x1 x 2
Temat 1 Pojęcia podstawowe 1.1 Przegląd wybranych równań i modeli fizycznych Równaniem różniczkowym cząstkowym rzędu drugiego o n zmiennych niezależnych nazywamy równanie postaci gdzie u = u (x 1, x,...,
Bardziej szczegółowoALGEBRA LINIOWA Z ELEMENTAMI GEOMETRII ANALITYCZNEJ
ALGEBRA LINIOWA Z ELEMENTAMI GEOMETRII ANALITYCZNEJ WSHE, O/K-CE 10. Homomorfizmy Definicja 1. Niech V, W będą dwiema przestrzeniami liniowymi nad ustalonym ciałem, odwzorowanie ϕ : V W nazywamy homomorfizmem
Bardziej szczegółowoMacierze. Rozdział Działania na macierzach
Rozdział 5 Macierze Funkcję, która każdej parze liczb naturalnych (i, j) (i 1,..., n; j 1,..., m) przyporządkowuje dokładnie jedną liczbę a ij F, gdzie F R lub F C, nazywamy macierzą (rzeczywistą, gdy
Bardziej szczegółowoRozwiązania, seria 5.
Rozwiązania, seria 5. 26 listopada 2012 Zadanie 1. Zbadaj, dla jakich wartości parametru r R wektor (r, r, 1) lin{(2, r, r), (1, 2, 2)} R 3? Rozwiązanie. Załóżmy, że (r, r, 1) lin{(2, r, r), (1, 2, 2)}.
Bardziej szczegółowo26 marzec, Łańcuchy Markowa z czasem ciągłym. Procesy Stochastyczne, wykład 7, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1136
Procesy Stochastyczne, wykład 7, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1136 26 marzec, 212 Łańcuchy z czasem ciągłym S = {, 1,..., }, B S = 2 S, ale T = [, ) lub T = (, ). Gdy S skończone,
Bardziej szczegółowoWyk lad 8 macierzy i twierdzenie Kroneckera-Capellego
Wyk lad 8 Rzad macierzy i twierdzenie Kroneckera-Capellego 1 Określenie rz edu macierzy Niech A bedzie m n - macierza Wówczas wiersze macierzy A możemy w naturalny sposób traktować jako wektory przestrzeni
Bardziej szczegółowoZestaw zadań 5: Sumy i sumy proste podprzestrzeni. Baza i wymiar. Rzędy macierzy. Struktura zbioru rozwiązań układu równań.
Zestaw zadań : Sumy i sumy proste podprzestrzeni Baza i wymiar Rzędy macierzy Struktura zbioru rozwiązań układu równań () Pokazać, że jeśli U = lin(α, α,, α k ), U = lin(β, β,, β l ), to U + U = lin(α,
Bardziej szczegółowoMetody Numeryczne Wykład 4 Wykład 5. Interpolacja wielomianowa
Sformułowanie zadania interpolacji Metody Numeryczne Wykład 4 Wykład 5 Interpolacja wielomianowa Niech D R i niech F bȩdzie pewnym zbiorem funkcji f : D R. Niech x 0, x 1,..., x n bȩdzie ustalonym zbiorem
Bardziej szczegółowoProgramowanie liniowe
Programowanie liniowe Łukasz Kowalik Instytut Informatyki, Uniwersytet Warszawski April 8, 2016 Łukasz Kowalik (UW) LP April 8, 2016 1 / 15 Problem diety Tabelka wit. A (µg) wit. B1 (µg) wit. C (µg) (kcal)
Bardziej szczegółowo1 Macierz odwrotna metoda operacji elementarnych
W tej części skupimy się na macierzach kwadratowych. Zakładać będziemy, że A M(n, n) dla pewnego n N. Definicja 1. Niech A M(n, n). Wtedy macierzą odwrotną macierzy A (ozn. A 1 ) nazywamy taką macierz
Bardziej szczegółowo3. Macierze i Układy Równań Liniowych
3. Macierze i Układy Równań Liniowych Rozważamy równanie macierzowe z końcówki ostatniego wykładu ( ) 3 1 X = 4 1 ( ) 2 5 Podstawiając X = ( ) x y i wymnażając, otrzymujemy układ 2 równań liniowych 3x
Bardziej szczegółowoPlan wykładu. Przykład. Przykład 3/19/2011. Przykład zagadnienia transportowego. Optymalizacja w procesach biznesowych Wykład 2 DECYZJA?
/9/ Zagadnienie transportowe Optymalizacja w procesach biznesowych Wykład --9 Plan wykładu Przykład zagadnienia transportowego Sformułowanie problemu Własności zagadnienia transportowego Metoda potencjałów
Bardziej szczegółowoTeoretyczne podstawy programowania liniowego
Teoretyczne podstawy programowania liniowego Elementy algebry liniowej Plan Kombinacja liniowa Definicja Kombinacja liniowa wektorów (punktów) x 1, x 2,, x k R n to wektor x R n k taki, że x = i=1 λ i
Bardziej szczegółowoAnaliza numeryczna Kurs INP002009W. Wykłady 6 i 7 Rozwiązywanie układów równań liniowych. Karol Tarnowski A-1 p.
Analiza numeryczna Kurs INP002009W Wykłady 6 i 7 Rozwiązywanie układów równań liniowych Karol Tarnowski karol.tarnowski@pwr.wroc.pl A-1 p.223 Plan wykładu Podstawowe pojęcia Własności macierzy Działania
Bardziej szczegółowoDefinicja i własności wartości bezwzględnej.
Równania i nierówności z wartością bezwzględną. Rozwiązywanie układów dwóch (trzech) równań z dwiema (trzema) niewiadomymi. Układy równań liniowych z parametrem, analiza rozwiązań. Definicja i własności
Bardziej szczegółowoIII. Układy liniowe równań różniczkowych. 1. Pojęcie stabilności rozwiązań.
III. Układy liniowe równań różniczkowych. 1. Pojęcie stabilności rozwiązań. Analiza stabilności rozwiązań stanowi ważną część jakościowej teorii równań różniczkowych. Jej istotą jest poszukiwanie odpowiedzi
Bardziej szczegółowoWyk lad 11 1 Wektory i wartości w lasne
Wyk lad 11 Wektory i wartości w lasne 1 Wektory i wartości w lasne Niech V bedzie przestrzenia liniowa nad cia lem K Każde przekszta lcenie liniowe f : V V nazywamy endomorfizmem liniowym przestrzeni V
Bardziej szczegółowoSterowalność liniowych uk ladów sterowania
Sterowalność liniowych uk ladów sterowania W zadaniach sterowania docelowego należy przeprowadzić obiekt opisywany za pomoc a równania stanu z zadanego stanu pocz atkowego ẋ(t) = f(x(t), u(t), t), t [t,
Bardziej szczegółowoWyk lad 4 Macierz odwrotna i twierdzenie Cramera
Wyk lad 4 Macierz odwrotna i twierdzenie Cramera 1 Odwracanie macierzy I n jest elementem neutralnym mnożenia macierzy w zbiorze M n (R) tzn A I n I n A A dla dowolnej macierzy A M n (R) Ponadto z twierdzenia
Bardziej szczegółowoUkłady równań liniowych
Układy równań liniowych ozważmy układ n równań liniowych o współczynnikach a ij z n niewiadomymi i : a + a +... + an n d a a an d a + a +... + a n n d a a a n d an + an +... + ann n d n an an a nn n d
Bardziej szczegółowo1 Zbiory i działania na zbiorach.
Matematyka notatki do wykładu 1 Zbiory i działania na zbiorach Pojęcie zbioru jest to pojęcie pierwotne (nie definiuje się tego pojęcia) Pojęciami pierwotnymi są: element zbioru i przynależność elementu
Bardziej szczegółowoUkłady równań liniowych. Ax = b (1)
Układy równań liniowych Dany jest układ m równań z n niewiadomymi. Liczba równań m nie musi być równa liczbie niewiadomych n, tj. mn. a a... a b n n a a... a b n n... a a... a b m m mn n m
Bardziej szczegółowoWyk lad 7 Baza i wymiar przestrzeni liniowej
Wyk lad 7 Baza i wymiar przestrzeni liniowej 1 Baza przestrzeni liniowej Niech V bedzie przestrzenia liniowa. Powiemy, że podzbiór X V jest maksymalnym zbiorem liniowo niezależnym, jeśli X jest zbiorem
Bardziej szczegółowoPrzekształcanie równań stanu do postaci kanonicznej diagonalnej
Przekształcanie równań stanu do postaci kanonicznej diagonalnej Przygotowanie: Dariusz Pazderski Liniowe przekształcenie równania stanu Rozważmy liniowe równanie stanu i równanie wyjścia układu niesingularnego
Bardziej szczegółowoFunkcje wymierne. Funkcja homograficzna. Równania i nierówności wymierne.
Funkcje wymierne. Funkcja homograficzna. Równania i nierówności wymierne. Funkcja homograficzna. Definicja. Funkcja homograficzna jest to funkcja określona wzorem f() = a + b c + d, () gdzie współczynniki
Bardziej szczegółowoAnaliza numeryczna Lista nr 3 (ćwiczenia) x x 2 n x.
Analiza numeryczna Lista nr 3 (ćwiczenia) Sprawdzić że macierz ma wartości własne2+ 222 2 2 Niechx R n Udowodnić że 2 0 0 x x 2 n x 3 NiechA R n n będzie macierzą symetryczną Wiadomo że wówczas istnieje
Bardziej szczegółowoZagadnienie transportowe
9//9 Zagadnienie transportowe Optymalizacja w procesach biznesowych Wykład Plan wykładu Przykład zagadnienia transportowego Sformułowanie problemu Własności zagadnienia transportowego Metoda potencjałów
Bardziej szczegółowoII. FUNKCJE WIELU ZMIENNYCH
II. FUNKCJE WIELU ZMIENNYCH 1. Zbiory w przestrzeni R n Ustalmy dowolne n N. Definicja 1.1. Zbiór wszystkich uporzadkowanych układów (x 1,..., x n ) n liczb rzeczywistych, nazywamy przestrzenią n-wymiarową
Bardziej szczegółowoZagadnienie Dualne Zadania Programowania Liniowego. Seminarium Szkoleniowe Edyta Mrówka
Zagadnienie Dualne Zadania Programowania Liniowego Seminarium Szkoleniowe Edyta Mrówka Ogólne zagadnienie PL Znajdź taki wektor X = (x 1, x 2,..., x n ), który minimalizuje kombinacje liniow a przy ograniczeniach
Bardziej szczegółowoKorzystając z własności metryki łatwo wykazać, że dla dowolnych x, y, z X zachodzi
M. Beśka, Wstęp do teorii miary, Dodatek 158 10 Dodatek 10.1 Przestrzenie metryczne Niech X będzie niepustym zbiorem. Funkcję d : X X [0, ) spełniającą dla x, y, z X warunki (i) d(x, y) = 0 x = y, (ii)
Bardziej szczegółowoProgramowanie liniowe
Badania operacyjne Problem Model matematyczny Metoda rozwiązania Znaleźć optymalny program produkcji. Zmaksymalizować 1 +3 2 2 3 (1) Przy ograniczeniach 3 1 2 +2 3 7 (2) 2 1 +4 2 12 (3) 4 1 +3 2 +8 3 10
Bardziej szczegółowoFormy kwadratowe. Rozdział 10
Rozdział 10 Formy kwadratowe Rozważmy rzeczywistą macierz symetryczną A R n n Definicja 101 Funkcję h : R n R postaci h (x) = x T Ax (101) nazywamy formą kwadratową Macierz symetryczną A występującą w
Bardziej szczegółowoVI. Równania różniczkowe liniowe wyższych rzędów
VI. 1. Równanie różniczkowe liniowe n-tego rzędu o zmiennych współczynnikach Niech podobnie jak w poprzednim paragrafie K = C lub K = R. Podobnie jak w dziedzinie rzeczywistej wprowadzamy pochodne wyższych
Bardziej szczegółowoPrzekształcenia liniowe
Przekształcenia liniowe Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 4. wykład z algebry liniowej Warszawa, październik 2010 Mirosław Sobolewski (UW) Warszawa, wrzesień 2006 1 / 7
Bardziej szczegółowoWykład z równań różnicowych
Wykład z równań różnicowych 1 Wiadomości wstępne Umówmy się, że na czas tego wykładu zrezygnujemy z oznaczania n-tego wyrazu ciągu symbolem typu x n, y n itp. Zamiast tego pisać będziemy x (n), y (n) itp.
Bardziej szczegółowoWyk lad 14 Formy kwadratowe I
Wyk lad 14 Formy kwadratowe I Wielomian n-zmiennych x 1,, x n postaci n a ij x i x j, (1) gdzie a ij R oraz a ij = a ji dla wszystkich i, j = 1,, n nazywamy forma kwadratowa n-zmiennych Forme (1) można
Bardziej szczegółowoRównania Pitagorasa i Fermata
Równania Pitagorasa i Fermata Oliwia Jarzęcka, Kajetan Grzybacz, Paweł Jarosz 7 lutego 18 1 Wstęp Punktem wyjścia dla naszych rozważań jest klasyczne równanie Pitagorasa związane z trójkątem prostokątnym
Bardziej szczegółowoWprowadzenie do badań operacyjnych - wykład 2 i 3
Wprowadzenie do badań operacyjnych - wykład 2 i 3 Hanna Furmańczyk 14 listopada 2008 Programowanie liniowe (PL) - wszystkie ograniczenia muszą być liniowe - wszystkie zmienne muszą być ciągłe n j=1 c j
Bardziej szczegółowoProgramowanie liniowe
Programowanie liniowe 1 Wstęp Programowanie liniowe jest jednym z działów teorii zadań ekstremalnych. Podstawy programowania liniowego stworzył Kantorowicz w latach 30-tych ubiegłego stulecia. Przedmiotem
Bardziej szczegółowo