Badania operacyjne. 1 Programowanie liniowe. kierunek Informatyka, studia II stopnia ćwiczenia. 1.1 Modelowanie

Wielkość: px
Rozpocząć pokaz od strony:

Download "Badania operacyjne. 1 Programowanie liniowe. kierunek Informatyka, studia II stopnia ćwiczenia. 1.1 Modelowanie"

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 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 szczegółowo

Wydział Matematyki Programowanie liniowe Ćwiczenia. Zestaw 1. Modelowanie zadań programowania liniowego.

Wydział 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 szczegółowo

Wstęp 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. 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 szczegółowo

ZAGADNIENIE DUALNE Rozważmy zagadnienie liniowe(zagadnienie to nazywamy prymalnym) o postaci kanonicznej:

ZAGADNIENIE 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 szczegółowo

Wykład 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 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 szczegółowo

Równania liniowe. Rozdział Przekształcenia liniowe. Niech X oraz Y będą dwiema niepustymi przestrzeniami wektorowymi nad ciałem

Równania 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 szczegółowo

A. Kasperski, M. Kulej Badania Operacyjne- programowanie liniowe 1

A. 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 szczegółowo

1 Przykładowe klasy zagadnień liniowych

1 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 szczegółowo

Programowanie liniowe

Programowanie 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 szczegółowo

Programowanie liniowe

Programowanie 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 szczegółowo

METODA SYMPLEKS. Maciej Patan. Instytut Sterowania i Systemów Informatycznych Uniwersytet Zielonogórski

METODA 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 szczegółowo

Algebra liniowa. Macierze i układy równań liniowych

Algebra 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 szczegółowo

Programowanie liniowe

Programowanie 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 szczegółowo

Programowanie celowe #1

Programowanie 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 szczegółowo

Ćwiczenia 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 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 szczegółowo

Układy liniowo niezależne

Układy 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 szczegółowo

Programowanie liniowe w logistyce

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 szczegółowo

Elementy modelowania matematycznego

Elementy 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 szczegółowo

Wyznaczniki. 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 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 szczegółowo

Programowanie liniowe metoda sympleks

Programowanie 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 szczegółowo

wszystkich kombinacji liniowych wektorów układu, nazywa się powłoką liniową uk ładu wektorów

wszystkich 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 szczegółowo

Programowanie liniowe metoda sympleks

Programowanie 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 szczegółowo

A. Kasperski, M. Kulej Badania Operacyjne- metoda sympleks 1

A. 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 szczegółowo

ZAGADNIENIA PROGRAMOWANIA LINIOWEGO

ZAGADNIENIA 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 szczegółowo

Rozwiązania, seria 5.

Rozwiązania, 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 szczegółowo

7 Funkcja Lagrange a i zadanie dualne

7 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 szczegółowo

Wykład z modelowania matematycznego. Algorytm sympleks.

Wykład 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 szczegółowo

Pierwsze kolokwium z Matematyki I 4. listopada 2013 r. J. de Lucas

Pierwsze 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 szczegółowo

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

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 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 szczegółowo

c j x x

c 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 szczegółowo

Geometria Lista 0 Zadanie 1

Geometria 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 szczegółowo

Suma i przeciȩcie podprzestrzeni, przestrzeń ilorazowa Javier de Lucas

Suma 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 szczegółowo

Metoda graficzna może być stosowana w przypadku gdy model zawiera dwie zmienne decyzyjne. Metoda składa się z dwóch kroków (zobacz pierwszy wykład):

Metoda 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 szczegółowo

Programowanie liniowe metoda sympleks

Programowanie 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 szczegółowo

Notatki 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 Notatki do tematu Metody poszukiwania rozwiązań jednokryterialnych problemów decyzyjnych metody dla zagadnień liniowego programowania matematycznego część III Analiza rozwiązania uzyskanego metodą simpleksową

Bardziej szczegółowo

Elementy Modelowania Matematycznego Wykład 7 Programowanie nieliniowe i całkowitoliczbowe

Elementy 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 szczegółowo

1 Podobieństwo macierzy

1 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 szczegółowo

Zastosowania wyznaczników

Zastosowania 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 szczegółowo

PROGRAMOWANIE KWADRATOWE

PROGRAMOWANIE 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 szczegółowo

Baza w jądrze i baza obrazu ( )

Baza 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 szczegółowo

Modelowanie całkowitoliczbowe

Modelowanie 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 szczegółowo

Rozwiazywanie układów równań liniowych. Ax = b

Rozwiazywanie 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 szczegółowo

Metoda Simplex bez użycia tabel simplex 29 kwietnia 2010

Metoda 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 szczegółowo

Układy równań i nierówności liniowych

Układy 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 szczegółowo

dr Mariusz Grządziel 15,29 kwietnia 2014 Przestrzeń R k R k = R R... R k razy Elementy R k wektory;

dr 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 szczegółowo

Przestrzenie wektorowe

Przestrzenie 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 szczegółowo

Programowanie liniowe całkowitoliczbowe

Programowanie 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 szczegółowo

Programowanie liniowe

Programowanie 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 szczegółowo

Wykład 14. Elementy algebry macierzy

Wykład 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 szczegółowo

4. PROGRAMOWANIE LINIOWE

4. 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 szczegółowo

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.

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. 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 szczegółowo

Wyk lad 3 Wyznaczniki

Wyk 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 szczegółowo

Zagadnienie Dualne Zadania Programowania Liniowego. Seminarium Szkoleniowe Edyta Mrówka

Zagadnienie 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 szczegółowo

Definicja i własności wartości bezwzględnej.

Definicja 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 szczegółowo

Przekształcanie równań stanu do postaci kanonicznej diagonalnej

Przekształcanie 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 szczegółowo

Programowanie liniowe

Programowanie 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 szczegółowo

φ(x 1,..., x n ) = a i x 2 i +

φ(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 szczegółowo

1 Macierze i wyznaczniki

1 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 szczegółowo

Wyk lad 5 W lasności wyznaczników. Macierz odwrotna

Wyk 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 szczegółowo

Formy kwadratowe. Rozdział 10

Formy 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 szczegółowo

MATEMATYKA I SEMESTR ALK (PwZ) 1. Sumy i sumy podwójne : Σ i ΣΣ

MATEMATYKA 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 szczegółowo

Metody teorii gier. ALP520 - Wykład z Algorytmów Probabilistycznych p.2

Metody 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 szczegółowo

Macierze. Rozdział Działania na macierzach

Macierze. 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 szczegółowo

Elementy geometrii analitycznej w R 3

Elementy 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 szczegółowo

Lokalna odwracalność odwzorowań, odwzorowania uwikłane

Lokalna 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 szczegółowo

Formy 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 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 szczegółowo

R n = {(x 1, x 2,..., x n ): x i R, i {1,2,...,n} },

R 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 szczegółowo

Kolejny krok iteracji polega na tym, że przechodzimy do następnego wierzchołka, znajdującego się na jednej krawędzi z odnalezionym już punktem, w

Kolejny 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 szczegółowo

zadaniem programowania liniowego całkowitoliczbowego. nazywamy zadaniem programowania liniowego 0-1. Zatem, w

zadaniem 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 szczegółowo

Układy równań liniowych

Układy 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 szczegółowo

Funkcje wymierne. Funkcja homograficzna. Równania i nierówności wymierne.

Funkcje 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 szczegółowo

Programowanie liniowe. Tadeusz Trzaskalik

Programowanie 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 szczegółowo

Przestrzenie liniowe

Przestrzenie 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 szczegółowo

Wyk lad 14 Formy kwadratowe I

Wyk 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 szczegółowo

Zadania 1. Czas pracy przypadający na jednostkę wyrobu (w godz.) M 1. Wyroby

Zadania 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 szczegółowo

Lista 1 PL metoda geometryczna

Lista 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 szczegółowo

Wyk lad 9 Baza i wymiar przestrzeni liniowej

Wyk 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 szczegółowo

Wyk lad 8 macierzy i twierdzenie Kroneckera-Capellego

Wyk 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 szczegółowo

Metoda Karusha-Kuhna-Tuckera

Metoda 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 szczegółowo

Wektory i wartości własne

Wektory i wartości własne Treść wykładu Podprzestrzenie niezmiennicze Podprzestrzenie niezmiennicze... Twierdzenie Cayley Hamiltona Podprzestrzenie niezmiennicze Definicja Niech f : V V będzie przekształceniem liniowym. Podprzestrzeń

Bardziej szczegółowo

Teoretyczne podstawy programowania liniowego

Teoretyczne 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 szczegółowo

Metody Optymalizacji. Wstęp. Programowanie matematyczne. Dr hab. inż. Maciej Komosiński, mgr Agnieszka Mensfelt

Metody 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 szczegółowo

Układy równań liniowych

Układy 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 szczegółowo

Wektory i wartości własne

Wektory 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 szczegółowo

Programowanie liniowe całkowitoliczbowe

Programowanie 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 szczegółowo

Rachunek różniczkowy i całkowy w przestrzeniach R n

Rachunek 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 szczegółowo

Sterowalność liniowych uk ladów sterowania

Sterowalność 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 szczegółowo

Definicja problemu programowania matematycznego

Definicja 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 szczegółowo

Przekształcenia liniowe

Przekształcenia 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 szczegółowo

a 11 a a 1n a 21 a a 2n... a m1 a m2... a mn a 1j a 2j R i = , C j =

a 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 szczegółowo

Wyk lad 11 1 Wektory i wartości w lasne

Wyk 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 szczegółowo

Badania 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: 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 szczegółowo

1 Zbiory i działania na zbiorach.

1 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 szczegółowo

Elementy Modelowania Matematycznego

Elementy 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 szczegółowo

Wykład z modelowania matematycznego. Zagadnienie transportowe.

Wykład 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 szczegółowo

Metody Numeryczne Wykład 4 Wykład 5. Interpolacja wielomianowa

Metody 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 szczegółowo

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia:

Instrukcja 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 szczegółowo

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

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 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 szczegółowo

Laboratorium Metod Optymalizacji

Laboratorium 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 szczegółowo

UKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH

UKŁADY 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