Badania operacyjne. 1 Programowanie liniowe. kierunek Informatyka, studia II stopnia ćwiczenia. 1.1 Modelowanie
|
|
- Helena Pietrzak
- 4 lat temu
- Przeglądów:
Transkrypt
1 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 osi agni ety z ich sprzedaży był maksymalny Do produkcji wykorzystywany jestjedenrodzajtkaniny Producentposiada5m tejtkaniny Zgodniezzamówieniami należy wyprodukować co najmniej kurtek i co najwyżej płaszczy Do produkcji jednej kurtki i jednego płaszcza potrzeba odpowiednio 5 m i 4 m tkaniny Przy sprzedaży jednej kurtki producent osiagazysk 5złpłaszcza-6zł Rozwiazanie Wprowadźmy następujace oznaczenia: u -ilośćwyprodukowanychkurtek u -ilośćwyprodukowanychpłaszczy Ograniczenianałożonenazmienneu u możnazapisaćnastępuj aco: u u 5u +4u 5 Funkcjonał kosztu który należy zmaksymalizować przyjmuje postać 5u +6u Uwzględniajacwięcnaturalneograniczenianieujemnościzmiennychu u możemyzapisać badane zagadnienie w postaci następujacego zadania programowania liniowego ( 5 6)(u u ) min u U ={u=(u u ) R ; u 5 4 [ u u 5 } Zadanie Wytwórca mebli powinien określić ile stołów krzeseł biurek i szaf należy wyprodukować by zysk z ich sprzedaży był maksymalny Do produkcji wykorzystywane s a dwa typy desek Wytwórca posiada 5 m desek I typu i m - desek II typu
2 oraz dysponuje kapitałem 86 godzin roboczych na wykonanie zaplanowanej produkcji Ze złożonych zamówień i możliwości magazynowych wynika że należy wyprodukować co najmniej 4stołówconajmniej 3krzesełconajmniej 3biurekiniewi ecejniż szaf Do produkcji każdego stołu krzesła biurka i szafy potrzeba odpowiednio 5 9 m desek I typu i 3 4 mdesek II typu Na wykonanie stołu potrzeba 3 godzin pracy krzesła- godzin biurka- 5 godzin szafy- godzin Ze sprzedaży jednego stołu krzesła biurkaiszafywytwórcaosi agazyskodpowiednio 56i 4zł Model Wprowadźmy następujace oznaczenia: u -ilośćstołów u -ilośćkrzeseł u 3 -ilośćbiurek u 4 -ilośćszaf Funkcjonał kosztu który należy zmaksymalizować przyjmuje postać 5u +u +6u 3 +4u 4 max Ograniczenianałożonenazmienneu u 4 możnazapisaćnastępuj aco: u 4 u 3 u 3 3 u 4 5u +u +9u 3 +u 4 5 u +3u +4u 3 +u 4 3u +u +5u 3 +u 4 86 Zatem uwzględniajacstandardoweograniczenianieujemnościzmiennychu u 4 możemy zapisać badane zagadnienie w następujacej postaci ( 5 6 4)(u u u 3 u 4 ) min u u U ={u=(u u 4 ) R 4 ; u u u } u Zadanie 3 Zadaniem dietetyka jest opracowanie składu porannej owsianki tak aby zawierała ona niezbedne dzienne zapotrzebowanie organizmu na określone składniki odżywcze i jednocześnie była możliwie najtańsza Dietetyk ma dyspozycji płatki dwóch rodzajów: IiIIŚniadaniepowinnozawieraćco najmniej mgwitaminyb mgżelaza imieć wartość energetycznarówn a 36kcal gpłatkówirodzajuzawiera mgwitaminy B mgżelazaimawartośćenergetyczn arówn a 358kcalnatomiast gpłatkówii rodzajuzawiera5mgwitaminyb mgżelazaimawartośćenergetyczn arówn a 39 kcal PonadtogpłatkówIrodzajukosztuje 3gra gpłatkówiirodzaju-36gr
3 Rozwiazanie Wprowadźmy następujace oznaczenia: u -ilośćpłatkówirodzaju(gramowychporcji) u -ilośćpłatkówiirodzaju(gramowychporcji) Funkcjonał kosztu który należy zminimalizować jest postaci 3u +36u natomiast ograniczenia można zapisać w postaci następujacych nierówności i równości u +5u u +u 358u +39u = 36 Po uwzględnieniu naturalnych ograniczeń nieujemności zmiennych u u otrzymujemy następujace zadanie programowania liniowego (336)(u u ) min [ u U ={u=(u [ u ) R [ ; u 5 u u [ [ u u =[36} Zadanie 4 Zapisać następujace zadanie w postaci zadania programowania liniowego Producent farb musi określić ile litrów farby białej zielonej niebieskiej i czerwonej powinien wyprodukować aby zysk osiagni ety ze sprzedaży był maksymalny Do produkcji wykorzystywane s a trzy surowce: A B i C Producent posiada 3 litrów surowca A litrów - surowca B i 7 litrów - surowca C oraz dysponuje kapitałem 6 godzin roboczych Z przyjetych zamówień wynika że należy wyprodukować co najmniej 5 litrów farby białej co najmniej 35 litrów - farby zielonej co najwyżej 5 litrów - farby niebieskiej i nie mniej niż 75 litrów - farby czerwonej Ilości poszczególnych surowców potrzebnych do wyprodukowania litra każdej farby przedstawione sawnast epuj acej tabeli(w litrach) biała zielona niebieska czerwona A B C 45 3 Ponadto wyprodukowanie litra każdej farby wymaga 5 minut pracy Zysk ze sprzedaży litrafarbybiałejwynosi 7złzielonej-6złniebieskiej-7złczerwonej-5zł Rozwiazanie Symbolemu u u 3 oznaczaćbędziemyodpowiednioilość(wlitrach) farby białej zielonej niebieskiej i czerwonej która należy wyprodukować Funkcjał kosztu dla tego zagadnienia który należy zmaksymalizować ma następujac apostać 7u +6u +7u 3 +5u 4 3
4 zaś ograniczenia sanastępuj ace: u 5 u 35 u 3 5 u u +6u +35u 3 +5u 4 3 5u +u +45u 3 +55u 4 45u +u +u 3 +3u 4 7 5u +5u +5u 3 +5u 4 6 Uwzględniajaczatemstandardoweograniczenianieujemnościzmiennychu i możemybadane zagadnienie zapisać w postaci następujacego zadania programowania liniowego w postaci podstawowej ( )(u u 4 ) min u U={u=(u u 4 ) R 4 ; u u u u 3 u } Równoważność zadań Zadanie 5 Postać kanoniczna zadania o stolarzu jest następujaca: ( 5 6 4)(u u u 3 u 4 u 5 u ) min u U ={u=(u u ) R ; u u u = }
5 Zadanie Zapisać następujace zadanie programowania liniowego J(u)=u 3u 3 u 4 +5u 5 min u U ={u=(u u u 3 u 4 u 5 ) R 5 ; u u 4 u 5 u +u 3 u +u 4 +3u 5 u u 3 +7u 5 = u 7u 4 =9} w postaci odpowiedniego zadania kanonicznego Zadanie 6 Zapisać zadanie ogólne J(u)=u +u +3u 3 min u U={u=(u u u 3 ) R 3 ; u u +u +3u 3 u +u +3u 3 u + 3 u + 4 u3 =} w postaci zadania kanonicznego Zadanie 7 Zapisać zadanie o diecie w postaci kanonicznego zadania programowania liniowego Rozwiazanie Odpowiednie zadanie kanoniczne jest następujace: (336)(v v u u ) min [ [ [ [ v z Z={z=(v v u u ) R 4 5 ; z v + u + u 5 = [368u +[39u =[36}= {z=(z z 4 ) R 4 ; (z z 4 ) z z z 3 z 4 = 36 } Zadanie 8 Zapisać zadanie ogólne J(u)=3u +5u +7u 3 +9u 4 min u U ={u=(u u u 3 u 4 ) R 4 ; u u 4 u +u +3u 3 +4u 4 u +3u 3 3u 8 u + u + 3 u3 + 4 u4 = w postaci zadania kanonicznego u + 4 u4 = } 5
6 3 Interpretacja geometryczna zadań programowania liniowego Zadanie9 Rozwi azać w sposób geometryczny następujace zadanie: J(u)=u +u min u U={u R ; u u 3 Rozwiazanie Zadanie Rozwiazać w sposób geometryczny następujace zadanie: J(u)= u +u min u U={u R ; u u 5 Rozwiazanie 6
7 Zadanie Rozwiazać w sposób geometryczny następujace zadanie: J(u)= u u min u U={u=(u u ) R ; u u +u 3 u u = } Zadanie Rozwiazać w sposób geometryczny następujace zadanie W pewnym zakładzie wytwarzane sa produktyaib Do produkcji każdego z nich wykorzystywana jest praca trzech maszyn: M M M3 Maszyna M może być wykorzystana przez 4minutM-4minutM3-7minut Poniższatabelapodajeczaspracy każdej maszyny potrzebny do wyprodukowania jednostki każdego produktu A B M 3 6 M 8 4 M3 9 3 ZyskzesprzedażyjednostkiproduktuAwynosi 9 złb-6 zł Należyzaplanowaćprodukcje tak by zysk ze sprzedaży był maksymalny 4 Punkty wierzchołkowe Zadanie 3 Znaleźć w oparciu o twierdzenie punkty wierzchołkowe zbioru U ={u=(u u u 3 u 4 ) R 4 ; u u +u +3u 3 +u 4 =3 u u +u 3 +u 4 =} Rozwiazanie Łatwo widać że rank [ 3 Niechj = j = KolumnyA = Ponadto rozwiazaniem układu [ A v +A v =b = [ A = s a liniowo niezależne czyli { v +v =3 v v = jestparav = v = Zatempunktv=()jestnieosobliwympunktem wierzchołkowym zbioru U z bazaa A 7
8 [ [ 3 Niech j = j = 3 Kolumny A = A 3 = Ponadto rozwiazaniem układu A v +A 3 v 3 =b s a liniowo niezależne czyli { v +3v 3 =3 v +v 3 = jestparav = v 3 = Zatempunktv=()jestosobliwympunktem wierzchołkowym zbioru U z bazaa A 3 [ [ 3 Niechj = j = 4 Kolumny A = A 4 = s a liniowo niezależne Ponadto rozwiazaniem układu A v +A 4 v 4 =b czyli { v +v 4 =3 v +v 4 = jest para v = 5 v 4 = < Zatem kolumny A A 4 nie s a baz a dla żadnego punktu wierzchołkowego [ [ 3 4 Niechj = j =3 KolumnyA = A 3 = s a liniowo niezależne Ponadto rozwiazaniem układu A v +A 3 v 3 =b czyli { v +3v 3 =3 v +v 3 = jestparav = v 3 = Zatempunktv=()jestosobliwympunktem wierzchołkowym zbioru U z bazaa A 3 [ [ 5 Niechj =j =4 KolumnyA = A 4 = s a liniowo niezależne Ponadto rozwiazaniem układu A v +A 4 v 4 =b czyli { v +v 4 =3 v +v 4 = jestparav = 5 3 v4 = 4 3 Zatempunktv=( )jestnieosobliwympunktem wierzchołkowym zbioru U z bazaa A 4 [ [ 3 6 Niech j = 3 j = 4 Kolumny A 3 = A 4 = s a liniowo niezależne Ponadto rozwiazaniem układu A 3 v 3 +A 4 v 4 =b 8
9 czyli { 3v 3 +v 4 =3 v 3 +v 4 = jestparav 3 = v 4 = Zatempunktv=()jestosobliwympunktem wierzchołkowym zbioru U z bazaa 3 A 4 Zadanie 4 Znależć w oparciu o twierdzenie punkty wierzchołkowe zbioru U={u=(u u u 3 ) R 3 ; u u +u +3u 3 =4 u +5u 3 =} Podać bazy znalezionych punktów wierzchołkowych Zadanie 5 Znaleźć w oparciu o twierdzenie punkty wierzchołkowe zbioru U={u=(u u u 3 ) R 3 ; u u +u +u 3 = u +3u 3 =9 u +u +7u 3 =9} Rozwiazanie Łatwo widać że rank 3 7 = Niechj =j = KolumnyA = A = s a liniowo niezależne (można to sprawdzić korzystajac z definicji liniowej niezależności wektorów) Ponadto rozwiazaniem układu A v +A v =b czyli v +v = v =9 v +v =9 jest para v = 9 < v = 9 Zatem kolumny A A nie s a baz a dla żadnego punktu wierzchołkowego Niechj =j =3 KolumnyA = A 3 = 3 s a liniowo niezależne 7 (można to sprawdzić korzystajac z definicji liniowej niezależności wektorów) Ponadto rozwiazaniem układu A v +A 3 v 3 =b czyli v +v 3 = v +3v 3 =9 v +7v 3 =9 9
10 jest para v = > v 3 = 9 > Zatem punkt v = ( punktem wierzchołkowym zbioru U z bazaa A 3 3 Niech j = j = 3 Kolumny A = A 3 = 9 ) jest nieosobliwym s a liniowo niezależne (można to sprawdzić korzystajac z definicji liniowej niezależności wektorów) Ponadto rozwiazaniem układu A v +A 3 v 3 =b czyli v +v 3 = 3v 3 =9 v +7v 3 =9 jestparav =4>v 3 =3> Zatempunktv=(43)jestnieosobliwympunktem wierzchołkowym zbioru U z bazaa A 3 Zadanie 6 Znaleźć w oparciu o twierdzenie punkty wierzchołkowe zbioru Rozwiazanie Łatwo widać że U ={u=(u u u 3 u 4 ) R 4 ; u u +u 4 = u +u 4 =3 3u 3 =} rank 3 =3 Niechj = j = j 3 = 3 Kolumny A = A = A 3 = 3 s a liniowo niezależne(można to sprawdzić korzystajac z pojęcia wyznacznika macierzy) Ponadto rozwiazaniem układu czyli A v +A v +A 3 v 3 =b v = v =3 3v 3 = jest "trójka" v = v = 9 6 v3 = Zatem punkt v = ( 9 ) jest 6 osobliwym punktem wierzchołkowym zbioru U z bazaa A A 3 Niechj = j = j 3 = 4 Kolumny A = A = A 4 = s a liniowo zależne (można to sprawdzić korzystajac z pojęcia wyznacznika macierzy) Zatemnies aonebaz a żadnego punktu wierzchołkowego zbioru U
11 3 Niechj =j =3j 3 =4 KolumnyA = A 3 = 3 A 4 = s aliniowo niezależne(można to sprawdzić korzystajac z pojęcia wyznacznika macierzy) Ponadto rozwiazaniem układu czyli A v +A 3 v 3 +A 4 v 4 +=b v +v 4 = v 4 =3 3v 3 = jest"trójka"v = 3<v 3 = v 4 =3 ZatemkolumnyA A 3 A 4 nie s abaz a żadnego punktu wierzchołkowego 4 Niechj =j =3j 3 =4 Niechj =j =3j 3 =4 KolumnyA = A 3 = A 4 = s a liniowo niezależne(można to sprawdzić korzystajaczpojęcia 3 wyznacznika macierzy) Ponadto rozwiazaniem układu czyli A v +A 3 v 3 +A 4 v 4 =b v 4 = v +v 4 =3 3v 3 = jest "trójka" v = 3 > v3 = v 3 = Zatem punkt v = ( 3 ) jest osobliwym punktem wierzchołkowym zbioru U z bazaa A 3 A 4 Zadanie 7 Znaleźć w oparciu o twierdzenie punkty wierzchołkowe zbioru 5 Metoda sympleksowa U ={u=(u u u 3 u 4 ) R 4 ; u u 3u +4u 3 +u 4 =3 u +u u 3 =} Zadanie 48 Utworzyć tablicę sympleksowa dla zadania J(u)=u u +u 4 min u U ={u=(u u u 3 u 4 ) R 4 ; u u 3u +4u 3 +u 4 =3 u +u u 3 =}
12 i punktu wierzchołkowego v=( ) Zadanie 9 Rozwiazaćmetod a sympleksowazadanie J(u)=u +u +3u 3 +4u 4 min U={u R 4 ; u [ 3 [ 3 u= startujac zpunktuwierzchołkowegov=() Rozwiazanie Łatwo widać że r = ranka = i w konsekwencji współrzędnymi bazowymi punktu v s a dwie pierwsze współrzędne Zgodnie [ z przyjętymi wcześniej oznaczeniamimamyu=(u u )v=()c=()b= Zatem B = [ T = sk ad [ [ γ3 A γ 3 = 3 [ γ4 γ A 4 = 4 oraz [ [ 3 3 = cb A 3 c3 = 4 = cb A 4 c4 = 7 Tablicasympleksowadlapunktuv=()jestwięcpostaci u u u 3 u 4 u 3 u 7 4 Łatwowidaćżedlapowyższejtablicyzachodziprzypadek3 Mamy 3 > } sk ad I 3 ={i {}; γ i3 >}={} v i min =min{ i I 3 γ i3 }=
13 Zatemk=3s=(elementemrozwi azujacymtablicysympleksowejjestγ 3 =) Baz a kolejnego punktu wierzchołkowego będzie układ kolumn A A 3 Korzystajac z twierdzenia charakteryzuj acego punkty wierzchołkowe znajdujemy kolejny punkt wierzchołkowy w: [ [ [ 3 3 w + w 3 = [ 3 sk adw=() PonadtoB= B = 4 [ 3 sk ad [ γ A γ = 3 [ γ4 A γ 4 = 34 oraz iwkonsekwencji T [ = [ [ = cb A c = 4 = cb A 4 c4 = 7 4 Tablicasympleksowadlapunktuw=()jestwięcpostaci u u u 3 u 4 u 5 4 u Łatwowidaćżedlapowyższejtablicyzachodziprzypadek cooznaczażepunktw= ()jestrozwi azaniem zadania Zadanie Rozwiazaćmetod a sympleksowazadanie J(u)=u u +u 4 min u U={u=(u u u 3 u 4 ) R 4 ; u u u +4u 3 +u 4 = u +u +u 4 =} startujac [ z punktu [ wierzchołkowego ν = ( ) wiedz ac że jego baz a jest układ 4 kolumn 3
14 Zadanie Rozwiazaćmetod a sympleksowazadanie J(u)=u +u +3u 3 +4u 4 min u U ={u=(u u u 3 u 4 ) R 4 ; u u +u +3u 3 +u 4 =3 u u +u 3 +u 4 =} startujac z punktu wierzchołkowego v=( ) Zadanie Rozważmy zadanie J(u)=u +3u 5u 3 +u 4 4u 5 min u U ={u R 5 ; u u +u 4u 3 +u 4 3u 5 =3 u 4u 3 +u 4 5u 5 =6} Utworzyć tablicę sympleksowadlapunkuwierzchołkowegov =(3)wiedz acże współrzędnymi bazowymi tego punktu sawspółrzędnev v 4 Czypunktvjestrozwi azaniem zadania? Odpowiedź uzasadnić Zadanie 3 (kontrprzykład do stwierdzenia: jeśli v jest rozwiazaniem zadania to i dladowolnegoi=n) J(u u u 3 )=u +u min U={u=(u u 3 ) R 3 ; u [ [ u= } Oczywiście () jest punktem wierzchołkowym zbioru U z baz a A A (na mocy twierdzenia charakteryzujacego punkty wierzchołkowe) Łatwo widać że punkt ten jest rozwiazaniem zadania Tablica sympleksowa dla punktu( ) jest postaci u u u 3 u u ponieważ [ [ [ γ3 A γ 3 = = 3 oraz 3 = ()() = Zauważmydalejżedlapowyższejtablicyzachodziprzypadek3 Łatwowidaćżek=3 j s = Wzwi azkuztymbaz anowegopunktuwierzchołkowegojestukłada A 3 Tym [ 4
15 punktem wierzchołkowym jest punkt ( ) Teraz tablica sympleksowa dla punktu ()jestpostaci u u u 3 u u 3 ponieważ [ [ [ [ γ γ A = = 3 oraz = ()() = cooznaczażemamiejsce przypadek Zatempunkt()jestrozwi azaniem zadania Zadanie 4 Sprawdzić korzystajac z zadania pomocniczego czy zbiór U ={u=(u u u 3 u 4 ) R 4 ; u u +u +3u 3 +u 4 =3 u u +u 3 +u 4 =} jest niepusty i jeśli tak - wyznaczyć przy pomocy metody sympleksowej punkt wierzchołkowy tego zbioru Rozwiazanie Rozważmy zadanie pomocnicze J(z)=u 5 +u 6 min Z={z=(u u 6 ) R 6 ; z [ 3 [ 3 z= [ Widać że b = Punkt z = (b) = (3) jest punktem wierzchołkowymzbioruz zbaz ac 5 = C [ [ 6 = Zastosujmy więc do zadania pomocniczego metodę sympleksow [ a Wtymprzypadku r=j =5j =6z=(u 5 u 6 )v=(3)c=()b= Zatem B = [ sk ad [ [ γ5 γ C =C = 6 [ [ γ5 γ C =C = 6 [ [ γ53 3 γ C 3 =C 3 = 63 5 }
16 oraz [ [ γ54 γ C 4 =C 4 = 64 = cb C c = ()() = = cb C c = ()( ) = 3 = cb A 3 c3 = ()(3) =4 4 = cb A 4 c4 = ()() =3 Tablicasympleksowadlapunktuv=(3)jestwięcpostaci u u u 3 u 4 u 5 u 6 u u Dlapowyższejtablicyzachodziprzypadek3 Mamy sk ad > I v ={j i {56}; γ ji >}={56} v ji min j i I v γ ji =min{ 3 }= Zatemk=j s =6(elementemrozwi azuj acymtablicysympleksowejjestγ 6 =) Baz a kolejnego punktu wierzchołkowego będzie układ kolumn C C 5 Korzystajac z twierdzenia charakteryzuj acego punkty wierzchołkowe znajdujemy kolejny punktwierzchołkowyw: [ [ w + [ sk adw=() PonadtoB= B = [ [ 3 w 5 = T = sk ad [ [ γ γ C = 5 [ [ γ3 γ C 3 = 53 6 iwkonsekwencji [
17 oraz [ γ4 [ γ C 4 = 54 [ C γ 6 = 56 [ γ6 = ()( ) = 3 = ()() = 4 = ()( ) = 6 = ()( ) = Tablicasympleksowadlapunktuw=()jestwięcpostaci u u u 3 u 4 u 5 u 6 u u 5 Dlapowyższejtablicyzachodziprzypadek3 Mamy sk ad > I v ={j i {5}; γ ji >}={5} v ji min j i I v γ ji =min{ }= Zatemk=j s =5(elementemrozwi azuj acymtablicysympleksowejjestγ 5 =) Baz a kolejnego punktu wierzchołkowego będzie układ kolumn C C Korzystajac z twierdzenia charakteryzuj acego punkty wierzchołkowe znajdujemy kolejny punkt wierzchołkowy w: [ [ [ 3 w + w = [ sk adw=() PonadtoB= B = [ iwkonsekwencji T = [ 7
18 sk ad [ [ γ3 γ C 3 = 3 [ [ 3 γ4 γ C 4 = 4 oraz [ γ5 C γ 5 = 5 C γ 6 = 6 [ γ6 [ [ 3 = ()() = 4 = ()( 3 ) = 5 = ()( ) = 6 = ()( ) = Tablicasympleksowadlapunktuw=()jestwięcpostaci u u u 3 u 4 u 5 u 6 u 3 u Dlapowyższejtablicyzachodziprzypadek PonieważJ ()=więczbiór U jestniepusty Ponadtoponieważpunktz =()jestrozwi azaniem zadania pomocniczegowięcpunktv =()jestpunktemwierzchołkowymzbioruu 8
Programowanie 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 szczegółowoWydział Matematyki Programowanie liniowe Ćwiczenia. Zestaw 1. Modelowanie zadań programowania liniowego.
Wydział Matematyki Programowanie liniowe Ćwiczenia Zestaw. Modelowanie zadań programowania liniowego. Zadania dotyczące zagadnienia planowania produkcji Zadanie.. Zapisać następujące zadanie w postaci
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 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 szczegółowoWykład 7. Informatyka Stosowana. Magdalena Alama-Bućko. 16 kwietnia Magdalena Alama-Bućko Wykład 7 16 kwietnia / 23
Wykład 7 Informatyka Stosowana Magdalena Alama-Bućko 16 kwietnia 2018 Magdalena Alama-Bućko Wykład 7 16 kwietnia 2018 1 / 23 Programowanie liniowe Magdalena Alama-Bućko Wykład 7 16 kwietnia 2018 2 / 23
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 szczegółowoA. Kasperski, M. Kulej Badania Operacyjne- programowanie liniowe 1
A. Kasperski, M. Kulej Badania Operacyjne- programowanie liniowe ZAGADNIENIE DUALNE Z każdym zagadnieniem liniowym związane jest inne zagadnienie nazywane dualnym. Podamy teraz teraz jak budować zagadnienie
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 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 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 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 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 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 szczegółowoProgramowanie celowe #1
Programowanie celowe #1 Problem programowania celowego (PC) jest przykładem problemu programowania matematycznego nieliniowego, który można skutecznie zlinearyzować, tzn. zapisać (i rozwiązać) jako problem
Bardziej szczegółowoĆwiczenia pierwsze Badania operacyjne (budowanie modelu matematycznego) kierunek: matematyka, studia I specjalność: matematyka finansowa
Ćwiczenia pierwsze Badania operacyjne (budowanie modelu matematycznego) kierunek: matematyka, studia I specjalność: matematyka finansowa dr Jarosław Kotowicz 02 października 2015r. Zadanie 1 ([1, Przykład
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 szczegółowoProgramowanie 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 szczegółowoElementy modelowania matematycznego
Elementy modelowania matematycznego Programowanie liniowe. Metoda Simplex. Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ ZADANIE LINIOWE Tortilla z ziemniaków i cebuli (4 porcje) 300
Bardziej szczegółowoWyznaczniki. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. 6. Wykład z algebry liniowej Warszawa, listopad 2013
Wyznaczniki Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 6. Wykład z algebry liniowej Warszawa, listopad 2013 Mirosław Sobolewski (UW) Warszawa, listopad 2013 1 / 13 Terminologia
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 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 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 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 szczegółowoZAGADNIENIA PROGRAMOWANIA LINIOWEGO
ZAGADNIENIA PROGRAMOWANIA LINIOWEGO Maciej Patan Uniwersytet Zielonogórski WSTĘP często spotykane w życiu codziennym wybór asortymentu produkcji jakie wyroby i w jakich ilościach powinno produkować przedsiębiorstwo
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 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 szczegółowoWykład z modelowania matematycznego. Algorytm sympleks.
Wykład z modelowania matematycznego. Algorytm sympleks. 1 Programowanie matematyczne jest to zbiór metod poszukiwania punktu optymalizującego (minimalizującego lub maksymalizującego) wartość funkcji rzeczywistej
Bardziej szczegółowoPierwsze kolokwium z Matematyki I 4. listopada 2013 r. J. de Lucas
Pierwsze kolokwium z Matematyki I 4. listopada 03 r. J. de Lucas Uwagi organizacyjne: Każde zadanie rozwi azujemy na osobnej kartce, opatrzonej imieniem i nazwiskiem w lasnym oraz osoby prowadz acej ćwiczenia,
Bardziej szczegółowoMETODA ANALITYCZNA Postać klasyczna: z = 5 x 1 + 6x 2 MAX 0,2 x 1 + 0,3x 2 < 18 0,6 x 1 + 0,6x 2 < 48 x 1, x 2 > 0
METODA ANALITYCZNA Postać klasyczna: z = 5 x 1 + 6x 2 MAX 0,2 x 1 + 0,3x 2 < 18 0,6 x 1 + 0,6x 2 < 48 x 1, x 2 > 0 cx MAX Ax < b x > 0 Postać standardowa (kanoniczna): z = 5 x 1 + 6x 2 + 0x 3 + 0x 4 MAX
Bardziej szczegółowoc j x x
ZESTAW 1 Numer indeksu Test jest wielokrotnego wyboru We wszystkich mają być nieujemne 1 Pewien towar jest zmagazynowany w miejscowości A 1 w ilości 700 ton, w miejscowości 900 ton Ma być on przewieziony
Bardziej szczegółowoGeometria Lista 0 Zadanie 1
Geometria Lista 0 Zadanie 1. Wyznaczyć wzór na pole równoległoboku rozpiętego na wektorach u, v: (a) nie odwołując się do współrzędnych tych wektorów; (b) odwołując się do współrzędnych względem odpowiednio
Bardziej szczegółowoSuma i przeciȩcie podprzestrzeni, przestrzeń ilorazowa Javier de Lucas
Suma i przeciȩcie podprzestrzeni, przestrzeń ilorazowa Javier de Lucas Ćwiczenie 1. Dowieść, że jeśli U i V s a podprzestrzeniami n-wymiarowej przestrzeni wektorowej oraz dim U = r i dim V = s, to max(0,
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 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 szczegółowoNotatki do tematu Metody poszukiwania rozwiązań jednokryterialnych problemów decyzyjnych metody dla zagadnień liniowego programowania matematycznego
Notatki do tematu Metody poszukiwania rozwiązań jednokryterialnych problemów decyzyjnych metody dla zagadnień liniowego programowania matematycznego część III Analiza rozwiązania uzyskanego metodą simpleksową
Bardziej szczegółowoElementy Modelowania Matematycznego Wykład 7 Programowanie nieliniowe i całkowitoliczbowe
Spis treści Elementy Modelowania Matematycznego Wykład 7 i całkowitoliczbowe Romuald Kotowski Katedra Informatyki Stosowanej PJWSTK 2009 Spis treści Spis treści 1 Wstęp 2 3 Spis treści Spis treści 1 Wstęp
Bardziej szczegółowo1 Podobieństwo macierzy
GAL (Informatyka) Wykład - zagadnienie własne Wersja z dnia 6 lutego 2014 Paweł Bechler 1 Podobieństwo macierzy Definicja 1 Powiemy, że macierze A, B K n,n są podobne, jeżeli istnieje macierz nieosobliwa
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 szczegółowoPROGRAMOWANIE KWADRATOWE
PROGRAMOWANIE KWADRATOWE Programowanie kwadratowe Zadanie programowania kwadratowego: Funkcja celu lub/i co najmniej jedno z ograniczeń jest funkcją kwadratową. 2 Programowanie kwadratowe Nie ma uniwersalnej
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 szczegółowoModelowanie całkowitoliczbowe
1 Modelowanie całkowitoliczbowe Zmienne binarne P 1 Firma CMC rozważa budowę nowej fabryki w miejscowości A lub B lub w obu tych miejscowościach. Bierze również pod uwagę budowę co najwyżej jednej hurtowni
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 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 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 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 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 szczegółowoProgramowanie liniowe całkowitoliczbowe
Programowanie liniowe całkowitoliczbowe Jeżeli w zadaniu programowania liniowego pewne (lub wszystkie) zmienne musza przyjmować wartości całkowite, to takie zadanie nazywamy zadaniem programowania liniowego
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 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 szczegółowo4. PROGRAMOWANIE LINIOWE
4. PROGRAMOWANIE LINIOWE Programowanie liniowe jest jednym z działów badań operacyjnych. Celem badań operacyjnych jest pomoc w podejmowaniu optymalnych z pewnego punktu widzenia decyzji. Etapy rozwiązywania
Bardziej szczegółowoFirma JCo wytwarza dwa wyroby na dwóch maszynach. Jednostka wyrobu 1 wymaga 2 godzin pracy na maszynie 1 i 1 godziny pracy na maszynie 2.
Przykład Elementy analizy wrażliwości Firma JCo wytwarza dwa wyroby na dwóch maszynach. Jednostka wyrobu 1 wymaga 2 godzin pracy na maszynie 1 i 1 godziny pracy na maszynie 2. Dla wyrobu 2 czasy te wynosza
Bardziej szczegółowoWyk lad 3 Wyznaczniki
1 Określenie wyznacznika Wyk lad 3 Wyznaczniki Niech A bedzie macierza kwadratowa stopnia n > 1 i niech i, j bed a liczbami naturalnymi n Symbolem A ij oznaczać bedziemy macierz kwadratowa stopnia n 1
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 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 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 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 szczegółowoφ(x 1,..., x n ) = a i x 2 i +
Teoria na egzamin z algebry liniowej Wszystkie podane pojęcia należy umieć określić i podać pprzykłady, ewentualnie kontrprzykłady. Ponadto należy znać dowody tam gdzie to jest zaznaczone. Liczby zespolone.
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 szczegółowoWyk lad 5 W lasności wyznaczników. Macierz odwrotna
Wyk lad 5 W lasności wyznaczników Macierz odwrotna 1 Operacje elementarne na macierzach Bardzo ważne znaczenie w algebrze liniowej odgrywaja tzw operacje elementarne na wierszach lub kolumnach macierzy
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 szczegółowoMATEMATYKA I SEMESTR ALK (PwZ) 1. Sumy i sumy podwójne : Σ i ΣΣ
MATEMATYKA I SEMESTR ALK (PwZ). Sumy i sumy podwójne : Σ i ΣΣ.. OKREŚLENIE Ciąg liczbowy = Dowolna funkcja przypisująca liczby rzeczywiste pierwszym n (ciąg skończony), albo wszystkim (ciąg nieskończony)
Bardziej szczegółowoMetody teorii gier. ALP520 - Wykład z Algorytmów Probabilistycznych p.2
Metody teorii gier ALP520 - Wykład z Algorytmów Probabilistycznych p.2 Metody teorii gier Cel: Wyprowadzenie oszacowania dolnego na oczekiwany czas działania dowolnego algorytmu losowego dla danego problemu.
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 szczegółowoElementy geometrii analitycznej w R 3
Rozdział 12 Elementy geometrii analitycznej w R 3 Elementy trójwymiarowej przestrzeni rzeczywistej R 3 = {(x,y,z) : x,y,z R} możemy interpretować co najmniej na trzy sposoby, tzn. jako: zbiór punktów (x,
Bardziej szczegółowoLokalna odwracalność odwzorowań, odwzorowania uwikłane
Lokalna odwracalność odwzorowań, odwzorowania uwikłane Katedra Matematyki i Ekonomii Matematycznej Szkoła Główna Handlowa 17 maja 2012 Definicja Mówimy, że odwzorowanie F : X R n, gdzie X R n, jest lokalnie
Bardziej szczegółowoFormy kwadratowe. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. 14. wykład z algebry liniowej Warszawa, styczeń 2017
Formy kwadratowe Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 14. wykład z algebry liniowej Warszawa, styczeń 2017 Mirosław Sobolewski (UW) Warszawa, 2017 1 / 10 Definicja Funkcja
Bardziej szczegółowoR n = {(x 1, x 2,..., x n ): x i R, i {1,2,...,n} },
nazywa- Definicja 1. Przestrzenią liniową R n my zbiór wektorów R n = {(x 1, x 2,..., x n ): x i R, i {1,2,...,n} }, z określonymi działaniami dodawania wektorów i mnożenia wektorów przez liczby rzeczywiste.
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 szczegółowozadaniem programowania liniowego całkowitoliczbowego. nazywamy zadaniem programowania liniowego 0-1. Zatem, w
Sformułowanie problemu Zastosowania Programowanie liniowe całkowitoliczbowe Jeżeli w zadaniu programowania liniowego pewne (lub wszystkie) zmienne musza przyjmować wartości całkowite, to takie zadanie
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 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 szczegółowoProgramowanie liniowe. Tadeusz Trzaskalik
Programowanie liniowe Tadeusz Trzaskalik .. Wprowadzenie Słowa kluczowe Model matematyczny Cel, środki, ograniczenia Funkcja celu funkcja kryterium Zmienne decyzyjne Model optymalizacyjny Układ warunków
Bardziej szczegółowoPrzestrzenie liniowe
Rozdział 4 Przestrzenie liniowe 4.1. Działania zewnętrzne Niech X oraz F będą dwoma zbiorami niepustymi. Dowolną funkcję D : F X X nazywamy działaniem zewnętrznym w zbiorze X nad zbiorem F. Przykład 4.1.
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 szczegółowoZadania 1. Czas pracy przypadający na jednostkę wyrobu (w godz.) M 1. Wyroby
Zadania 1 Przedsiębiorstwo wytwarza cztery rodzaje wyrobów: A, B, C, D, które są obrabiane na dwóch maszynach M 1 i M 2. Czas pracy maszyn przypadający na obróbkę jednostki poszczególnych wyrobów podany
Bardziej szczegółowoLista 1 PL metoda geometryczna
Lista 1 PL metoda geometryczna 1.1. Znajdź maksimum funkcji celuf(x 1,x 2 )=5x 1 +7x 2 przy ograniczeniach: 2x 1 +2x 2 600, 2x 1 +4x 2 1000, x i 0 dlai=1,2 1.2. Znajdź maksimum funkcji celuf(x 1,x 2 )=2x
Bardziej szczegółowoWyk lad 9 Baza i wymiar przestrzeni liniowej
Wyk lad 9 Baza i wymiar przestrzeni liniowej 1 Operacje elementarne na uk ladach wektorów Niech α 1,..., α n bed dowolnymi wektorami przestrzeni liniowej V nad cia lem K. Wyróżniamy nastepuj ace operacje
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 szczegółowoMetoda Karusha-Kuhna-Tuckera
Badania operacyjne i teoria optymalizacji Poznań, 2015/2016 Plan 1 Sformułowanie problemu 2 3 Warunki ortogonalności 4 Warunki Karusha-Kuhna-Tuckera 5 Twierdzenia Karusha-Kuhna-Tuckera 6 Ograniczenia w
Bardziej szczegółowoWektory i wartości własne
Treść wykładu Podprzestrzenie niezmiennicze Podprzestrzenie niezmiennicze... Twierdzenie Cayley Hamiltona Podprzestrzenie niezmiennicze Definicja Niech f : V V będzie przekształceniem liniowym. Podprzestrzeń
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 szczegółowoMetody Optymalizacji. Wstęp. Programowanie matematyczne. Dr hab. inż. Maciej Komosiński, mgr Agnieszka Mensfelt
Metody Optymalizacji Dr hab. inż. Maciej Komosiński, mgr Agnieszka Mensfelt Wstęp W ogólności optymalizacja związana jest z maksymalizowaniem lub minimalizowaniem pewnej wielkości np. maksymalizacja zysku
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 szczegółowoWektory i wartości własne
Treść wykładu Podprzestrzenie niezmiennicze... Twierdzenie Cayley Hamiltona Podprzestrzenie niezmiennicze Definicja Niech f : V V będzie przekształceniem liniowym. Podprzestrzeń W V nazywamy niezmienniczą
Bardziej szczegółowoProgramowanie liniowe całkowitoliczbowe
Programowanie liniowe całkowitoliczbowe Jeżeli w zadaniu programowania liniowego pewne (lub wszystkie) zmienne musza przyjmować wartości całkowite, to takie zadanie nazywamy zadaniem programowania liniowego
Bardziej szczegółowoRachunek różniczkowy i całkowy w przestrzeniach R n
Rachunek różniczkowy i całkowy w przestrzeniach R n Na dzisiejszym wykładzie rozważać będziemy funkcje f : R m R n Każda taka funkcję f można przedstawić jako wektor funkcji (f 1, f 2,, f n ), gdzie każda
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 szczegółowoDefinicja problemu programowania matematycznego
Definicja problemu programowania matematycznego minimalizacja lub maksymalizacja funkcji min (max) f(x) gdzie: x 1 x R n x 2, czyli: x = [ ] x n przy ograniczeniach (w skrócie: p.o.) p.o. g i (x) = b i
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 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 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 szczegółowoBadania operacyjne. Dr hab. inż. Adam Kasperski, prof. PWr. Pokój 509, budynek B4 adam.kasperski@pwr.edu.pl Materiały do zajęć dostępne na stronie:
Badania operacyjne Dr hab. inż. Adam Kasperski, prof. PWr. Pokój 509, budynek B4 adam.kasperski@pwr.edu.pl Materiały do zajęć dostępne na stronie: www.ioz.pwr.wroc.pl/pracownicy/kasperski Forma zaliczenia
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 szczegółowoElementy Modelowania Matematycznego
Elementy Modelowania Matematycznego Wykład 6 Metoda simpleks Spis treści Wstęp Zadanie programowania liniowego Wstęp Omówimy algorytm simpleksowy, inaczej metodę simpleks(ów). Jest to stosowana w matematyce
Bardziej szczegółowoWykład z modelowania matematycznego. Zagadnienie transportowe.
Wykład z modelowania matematycznego. Zagadnienie transportowe. 1 Zagadnienie transportowe zostało sformułowane w 1941 przez F.L.Hitchcocka. Metoda rozwiązania tego zagadnienia zwana algorytmem transportowymópracowana
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 szczegółowoInstrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia:
Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne Temat ćwiczenia: Programowanie liniowe, metoda geometryczna, dobór struktury asortymentowej produkcji Zachodniopomorski Uniwersytet
Bardziej szczegółowoWykład 4 Udowodnimy teraz, że jeśli U, W są podprzetrzeniami skończenie wymiarowej przestrzeni V to zachodzi wzór: dim(u + W ) = dim U + dim W dim(u
Wykład 4 Udowodnimy teraz, że jeśli U, W są podprzetrzeniami skończenie wymiarowej przestrzeni V to zachodzi wzór: dim(u + W ) = dim U + dim W dim(u W ) Rzeczywiście U W jest podprzetrzenią przestrzeni
Bardziej szczegółowoLaboratorium Metod Optymalizacji
Laboratorium Metod Optymalizacji Grupa nr... Sekcja nr... Ćwiczenie nr 4 Temat: Programowanie liniowe (dwufazowa metoda sympleksu). Lp. 1 Nazwisko i imię Leszek Zaczyński Obecność ocena Sprawozdani e ocena
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 szczegółowo