Szukanie wierzchoªka startowego
|
|
- Julia Daria Kowalik
- 4 lat temu
- Przeglądów:
Transkrypt
1 Optymalizacja A. Strojnowski Szukanie wierzchoªka startowego Je»eli zadanie PL opisane jest macierz, która nie jest tablic sympleks to by móc stosowa metod sympleks stosujemy chwyt genialny w swej prostocie - dopisujemy macierz jednostkow. Dokªadniej: Dwufazowa metoda sympleks Badamy zadanie: Max x 0 = cx Ax = b x 0 macierz ukªadu jest [A b] Mno» c w razie potrzeby niektóre równania przez mo»emy przyj,»e b 0. Aby uzyska T S dopisujemy macierz jednostkow i otrzymujemy tablic sympleks T S = [A I b]. Odpowiada temu ukªad równa«ax + Iy = b y a gdzie y = y 2, a,2... a,n... A = y a t, a t,2... a t,n t Pierwsza faza Rozwi zujemy zadanie P L ( ) Max y 0 = y Ax + Iy = b x 0 y 0 zadanie ( ) nie jest nieograniczone poniewa» y 0 y 0 0. dodatkowo je»eli p nale»y do obszaru dopuszczalnego zadania pierwotnego - Ap = b p 0 to p = (p, 0,..., 0) jest punktem optymalnym ( ) gdy» [A I]p = A za± y 0 (p) = 0 p. p n + I 0. 0 = b I Przypadek: Je»eli zadanie ( ) ma rozwi zanie, w którym y 0max < 0 to wielo±cian W = {x R n ; Ax = b x 0} jest zbiorem pustym (zadanie pierwotnie sprzeczne). II Przypadek: Je»eli y 0max = 0 to T S opisuj ca wierzchoªek optymalny zadania ( ) pozwala nam opisa wierzchoªek zadania pierwotnego. T = [A D b] a) Je»eli wszystkie zmienne y, y 2,..., y t s niebazowe to macierz powstaªa po wykre±leniu kolumn z nimi zwi zanych jest T S opisuj ca wierzchoªek obszaru dopuszczalnego zadania pierwotnego.
2 Optymalizacja A. Strojnowski 2 Rzeczywi±cie. Je»eli (p,.., p n, y,..., y t ) jest wierzchoªkiem opisanym [A D b] to y = 0,..., y t = 0, Ap = b (A zawiera macierz jednostkow ) [A b] powstaªa z [A b] przez operacje elementarne na wierszach, wi c opisuje ten sam wielo±cian. b) Niech y i b dzie zmienn bazowa. Przyjmijmy,»e kolumna odpowiadaj ca y i ma jedynk w j-tym wierszu i pozostaªe wspóªrz dne = 0. 0 je»eli wiersz j-ty ma tylko jeden element niezerowy (j-ty wiersz A jest zerowy) to znaczy,»e [A b] i A byªy ukªadem zale»nym. Taki wiersz i kolumny mo»na wykre±li ( w praktyce zostaje). 2 0 Je»eli istnieje a j r 0 w j-tym wierszu macierzy A to wybieramy go jako element centralny i po przeksztaªceniach elementarnych otrzymujemy T S, w której y j jest niebazowe, za± x r jest doª czone do bazy. Po wykonaniu I fazy otrzymujemy T S opisuj c wierzchoªek obszaru dopuszczalnego T lub informacj,»e zadanie byªo sprzeczne. Druga faza: Najpierw budujemy wiersz kosztów zredukowanych Max x 0 = cx Koszty zredukowane to x 0 = dx + b 0 gdzie d = (d,..., d n ) to d j = 0 gdy x j - bazowa. Wektor d wyliczamy wstawiaj c do równania x 0 = cx a, a,2... a n b równania x j = b j a ji x i pochodz ce z T S [A b ] = a t, a t,2... a t,n b t Dalej zadanie rozwi zujemy prosta metod sympleks. Przykªad 0. Badamy zadanie: Max x 0 = 7x + 2x 2 3x 3 x 4 8x + 3x 2 5x 3 + x 4 = 4 3x + x 2 2x 3 x 4 = x, x 2, x 3, x 4 0 I faza: Wprowadzamy sztuczne zmienne y i y 2 i funkcje celu Max y 0 = y y 2 y 0 + y + y 2 = 0 y 0 (8x + 3x 2 5x 3 + x 4 4) (3x + x 2 2x 3 x 4 ) = 0 y 0 x 4x 2 + 7x 3 = 5 baza sztuczna x x 2 x 3 x 4 y y () 2 0 (dla zmiennych niesztucznych suma jest równa 0) Wybieramy kolumn poprawiaj c x 2. Min { 4 3 } = i element centralny zaznaczamy nawiasem
3 Optymalizacja A. Strojnowski () Zmienne sztuczne wypadªy z bazy wi c mo»emy je wykre±li. Pozostaªa tablica opisuje wierzchoªek startowy (0, 3,, 0). Wracamy do pierwotnej funkcji celu i liczymy koszty zredukowane: x 0 = 7x +2x 2 3x 3 x 4 = 7x +2( x 7x 4 +3) 3(x 4x 4 +) x 4 = 2x 3x i otrzymujemy tablic sympleks: () Pierwsza kolumna wyznacza kraw d¹ poprawiaj c. Id c ni otrzymujemy Ta tablica opisuje jedyny wierzchoªek optymalny (3, 0, 4, 0), w którym x max = 9 Przykªad 0.2 Badamy zadanie: Max x 0 = 3x + 8x 2 2x 3 x 4 2x + x 2 x 3 + 6x 4 = 3 x + x 2 3x 3 x 4 = 5 x, x 2, x 3, x 4 0 I faza: Wprowadzamy sztuczne zmienne y i y 2 i funkcje celu Max y 0 = y y 2 0 = y 0 + y + y 2 = y 0 (2x + x 2 x 3 + 6x 4 3) (x + x 2 3x 3 x 4 5) y 0 3x 2x 2 + 4x 3 5x 4 = 8 co daje tablic sympleks (6) stosuj c prosty algorytm metody sympleks otrzymujemy kolejno: ( )
4 Optymalizacja A. Strojnowski 4 Nad kresk s same liczby nieujemne a funkcja celu jest równa -2 zatem zadanie jest sprzeczne (obszar dopuszczalny jest zbiorem pustym). Metoda cz ±ciowej bazy sztucznej W metodzie dwufazowej wystarczy doda tylko tyle zmiennych sztucznych, by otrzyma macierz jednostkow. np. Max x 0 = cx A x b A 2 x = b 2 x 0 W tym przypadku mamy t zmiennych bazowych i gdy b 0 dodajemy tylko t 2 zmiennych sztucznych. Max x 0 = cx A x + I t x = b A 2 x + I t2 y = b 2 x 0 x 0 y 0 W przypadku rzeczywistych oblicze«( na maszynach) zwykle nie stosuje si cz ±ciowej bazy sztucznej. Nie trzeba wówczas wyszukiwa w macierzy A kolumn zero - jedynkowych. Modykacje dwufazowej metody sympleks Mo»na obie fazy rozwi za na jednej T S. W zadaniu: Max x 0 = cx Ax = b x 0 Rozwa»amy obie funkcje celu jednocze±nie. Max x 0 = cx Max y 0 = y Ax + Iy = b x 0 y 0 Budujemy tablic sympleks maj c dwa wiersze nad kresk. x 0 y 0 x x 2... x n y... y t ww T S = B 0 c , 0 0 A I b gdzie B = I
5 Optymalizacja A. Strojnowski 5 W fazie maksymalizujemy y 0 i w rezultacie otrzymujemy,»e zadanie jest sprzeczne lub T S opisuj ca wierzchoªek startowy (ª cznie z kosztami zredukowanymi funkcji x 0 ). Ta metoda nigdy nie prowadzi do zmniejszenia liczby operacji (np. wyszªo,»e zadanie jest sprzeczne, wi c naliczyli±my si zupeªnie niepotrzebnie). Przykªad. Badamy zadanie: Max x 0 = 7x + 2x 2 3x 3 x 4 8x + 3x 2 5x 3 + x 4 = 4 3x + x 2 2x 3 x 4 = x, x 2, x 3, x 4 0 I faza: Wprowadzamy sztuczne zmienne y i y 2 i funkcje celu Max y 0 = y y 2 y 0 + y + y 2 = 0 y 0 (8x + 3x 2 5x 3 + x 4 4) (3x + x 2 2x 3 x 4 ) = 0 y 0 x 4x 2 + 7x 3 = 5 baza sztuczna y 0 x 0 x x 2 x 3 x 4 y y 2 W W () 2 0 Wybieramy kolumn poprawiaj c x 2. Min { 4, 3 } = i element centralny zaznaczamy nawiasem () Koniec fazy pierwszej. Wszystkie sztuczne zmienne s niebazowe wykre±lamy wiersze i kolumny zwi zane ze sztucznymi zmiennymi () Kolumna x wyznacza kraw d¹ poprawiaj c. Id c ni otrzymujemy Ta tablica opisuje jedyny wierzchoªek optymalny (3, 0, 4, 0), w którym x max = 9
6 Optymalizacja A. Strojnowski 6 Metoda du»ego M: Czasami potramy oszacowa warto± x 0 i max x i. Szczególnie w zagadnieniach caªkowitoliczbowych np. transport ci»arówkami i gdy w±ród warunków s 0 x i b i. Aby rozwi za zadanie: Max x 0 = cx Ax = b x 0 wybieramy liczb M, o której wiemy,»e jest wi ksza od funkcji celu i rozpatrujemy zadanie Max x 0 = cx My Ax + Iy = b x 0 y 0. Teraz poprawione [ zadanie opisane jest] tablic sympleks: c dm M bi T S =, A I b gdzie wektor d jest sum wierszy macierzy A. Rozwi zanie zawsze istnieje, ale czasami w opisie kosztów zredukowanych wierzchoªka optymalnego wyst puje M - oznacza to,»e zadanie wyj±ciowe jest sprzeczne. W stosunku do poprzednich metod zyskujemy to,»e mamy jedn faz i jedn funkcj celu. Przykªad.2 Max x 0 = x 2x 2 3x 4 x x 2 x 3 = x + x 2 + 2x 3 x 4 = x i 0 Sprowadzamy do zadania: Max x 0 = x 2x 2 3x 4 My My 2 x x 2 x 3 + y = x + x 2 + 2x 3 x 4 + y 2 = x i 0, y 0 Otrzymujemy nast puj ce tablice sympleks: x 0 x x 2 x 3 x 4 y y 2 ww M M M 3 + M 0 0 2M (2) 0 M 2 + M M 0 M 3M ( )
7 Optymalizacja A. Strojnowski M M Rozwi zaniem jest wierzchoªek (3, 0, 2, 0), w którym funkcja celu osi ga warto± 3. 2 Przykªad 2. Przykªad zap tlenia si algorytmu sympleks. Max x 0 = 3 4 x 4 20x x 6 6x 7, gdzie x + 4 x 4 8x 5 x 6 + 9x 7 = 0 x x 4 2x 5 2 x 6 + 3x 7 = 0 x 3 + x 6 = x 0, x 2 0, x 3 0, x 4 0, x 5 0, x 6 0, x 7 0 Ten ukªad równa«daje nast puj c TS ( ) Otrzymujemy nast puj ce TS: (4) (8) ( 3 ) (2) ( )
8 Optymalizacja A. Strojnowski I tak ostatnia siódma TS jest identyczna z pierwsz. Wszystkie tablice opisuj wierzchoªek nieoptymalny p = (0, 0,, 0, 0, 0, 0) Id c inn drog otrzymujemy: ( ) () Ostatnia tablica opisuje wierzchoªek optymalny q = ( 3, 0, 0,, 0,, 0). 4 Rada praktyczna: Kraw dzie zdegenerowane pochodz od tych zmiennych, które na przeci ciu swojej kolumny i równania (wiersza) o wyrazie wolnym 0 maj liczb > 0. Badamy wiersze o zerowym wyrazie wolnym i szukamy kraw dzi poprawiaj cych, które maj w tym wierszu liczb 0. 3 Teoria dualno±ci. Denicja 3. Rozwa»my zadanie P L zwane pierwotnym P. Max x 0 = c x T + c 2 x T 2 + c 3 x T 3 + b 0, gdzie x R n, x 2 R n 2, x 3 R n 3, x = (x, x 2, x 3 ) R n +n 2 +n 3 A, A,2 A,3 x T = b T A 2, A 2,2 A 2,3 x T b T 2 A 3, A 3,2 A 3,3 x T b T 2 x R n, x 2 0, x 3 0.
9 Optymalizacja A. Strojnowski 9 wtedy zadaniem dualnym D nazywamy zadanie: Min y 0 = c y T + c 2 y2 T + c 3 y3 T + b 0, gdzie y R t, y 2 R t 2, y 3 R t 3, y = (y, y 2, y 3 ) R t +t 2 +t 3 A T, A T 2, A T 3, y T = c T A T,2 A T 2,2 A T 3,2 y A T,3 A T 2,3 A3,3 T c T T 2 y T c T 2 y R t, y 2 0, y 3 0. Reguªy przechodzenia od zadania pierwotnego do dualnego przedstawia tabela: Je»eli P ma n zmiennych to D jest opisane przez n nierówno±ci (równa«). Je»eli P jest opisane t nierówno±ciami to D ma t zmiennych. P D min max max min i-ta nierówno± zgodna z typem i-ta zmienna 0 j-ta nierówno± niezgodna z typem j-ta zmienna 0 k-ta nierówno± jest równaniem k-ta zmienna nieograniczona i-ta zmienna 0 i-ta nierówno± zgodna z typem j-ta zmienna 0 j-ta nierówno± niezgodna z typem k-ta zmienna nieograniczona k-ta nierówno± jest równaniem gdzie: dla zada«typu Max a T x b - nierówno± jest zgodna z typem a T x b - nierówno± jest niezgodna z typem dla zada«typu Min a T x b - nierówno± jest zgodna z typem a T x b - nierówno± jest niezgodna z typem Przykªadami par zada«wzajemnie dualnych s : P: max cx T D: min by T Ax T b T A T y T c T x 0 y 0 lub P: max cx T D: min by T Ax T = b T A T y T c T x 0 y R t
10 Optymalizacja A. Strojnowski 0 Przykªad 3.2 Je»eli zadanie pierwotne P ma posta : Max x 0 = 2x + x 2 x 3 x + x 2 3 x + 3x 2 + x 3 2 x + 2x 3 = 7 x 2 + x 3 5 x 0, x 3 0 b T = A = c = (2,, ) to zadanie dualne D ma posta : Min y 0 = 3y + 2y 2 + 7y 3 + 5y 4 y + y 2 y 3 2 zgodna z typem gdy» x 0 y + 3y 2 + y 4 = gdy» x 2 nieograniczone y + 2y 3 + y 4 niezgodna z typem gdy» x 3 0 y 0 gdy» x + 3x 2 + x 3 2 niezgodna z typem y 2 0 gdy» x + 2x 3 = 7 niezgodna z typem y 3 R y 4 0 gdy» x 2 + x 3 5 zgodna z typem Twierdzenie 3.3 Zadanie dualne do dualnego jest równowa»ne zdaniu pierwotnemu. Przykªad 3.4 Rozwa»my zadanie pierwotne P: Max c T x Ax b x 0 D Min b T y A T y c y 0 D' Max( b ) T y ( A T )y c y 0 D(D') Min( c T z) ( A T ) T z ( b T ) T z 0
11 Optymalizacja A. Strojnowski P' Max c T z Az b z 0 P'=P Denicja 3.5 Zadania P i P 2 nazywamy równowa»nymi je»eli mo»na od jednego do drugiego przej± stosuj c nast puj ce reguªy: ) Mno»enie nierówno±ci (równania ) przez liczb r 0. ') Mno»enie zmiennej przez liczb r 0. 2) Zast pienie nierówno±ci n { i= a ix i b par n i= a ix i + x n+ = b. x n+ 0 2a) { Zast pienie pary n i= a ix i + x n+ = b x n+ 0 nierówno±ci n i= a ix i b. 3) Zast pienie równania n { i= a ix i = b par n i= a ix i b n i= a ix i b. 3a) Zast pienie pary { n i= a ix i b n i= a ix i b. równaniem n i= a ix i = b. 4) Zast pienie zmiennej nieograniczonej x i par x i = x + i x i, gdzie { x + i 0 x i 0. 5) Zast pienie problemu {x 0 = cx T x D} problemem {x 0 cf(x) T f(x) f(d)}, gdzie f jest automorzmem anicznym. Twierdzenie 3.6 Je»eli zadania P i P 2 s równowa»ne to dualne do nich zadania D i D 2 te» s równowa»ne. Twierdzenie 3.7 (Sªabe twierdzenie o dualno±ci) Je»eli p jest punktem dopuszczalnym zadania pierwotnego P: Max {c T x Ax T b T } za± q jest punktem dopuszczalnym zadania dualnego D: Min {b T y A T y T c T } to c T p b T q Ponadto je»eli c T p = b T q to p jest punktem optymalnym P, za± q jest punktem optymalnym D. Dowód: Ap b A T q c p 0 q 0
12 Optymalizacja A. Strojnowski 2 0 c T p = p T c (A T q c) θ = 0. 0 p T (A T q c) 0 R p T A T q p T c 0 p T c p T A T q = q T Ap (b Ap) θ q T (b Ap) 0 q T b q T Ap 0 q T b q T Ap q T Ap q T b z (A T z 2 q c) =. z t z i 0 to i-ta nierówno± zgodna z typem p i 0 z i 0 to i-ta nierówno± niezgodna z typem p i 0 zawsze p i z i 0 czyli nawet je±li (b Ap) θ to i tak q T (b Ap) 0 cz ± druga c T p = b T q to x z obszaru dopuszczalnego c T x b T q = c T p p optymalny i z drugiej strony identycznie b T y c T p = b T q q optymalny Wniosek 3.8 Je»eli zadanie P jest nieograniczone to D jest sprzeczne. Dowód: Przypu± my»e D nie jest sprzeczne istnieje q w obszarze dopuszczalnym zadania D x dopuszczalnego c T x b T q P ograniczone Wniosek 3.9 Je»eli D jest nieograniczone to P sprzeczne. Niestety zadania P i D mog by naraz sprzeczne: Przykªad 3.0 P = max x + x 2 x + x 2 x x 2 x, x
13 Optymalizacja A. Strojnowski 3 D min y y 2 y + y 2 y y 2 y, y Lemat 3. (Lemat Farkas'a) Spo±ród ukªadów ) Ax T = b T x 0 2) ya 0 by T < 0 dokªadnie jeden ma rozwi zanie. Dowód: Przypu± my»e ) i 2) maj rozwi zania x 0 i y 0. Wtedy x 0 0 i y 0 A θ wi c y 0 Ax T 0 0. Ale y 0 Ax T 0 0 = y 0 b T < 0. Sprzeczno±. Przypu± my»e ) nie ma rozwi zania. Stosujemy pierwsz faz z dwufazowej metody sympleks. [ ] Rozwi zujemy zadanie opisane tablic A I b T, gdzie zapisane wierszami A = w w 2. w t i bt = [ ] d... d Ko«cowa tablica ma posta n k... k t b 0 A D b T, gdzie wiersz (d... d n ) 0 i b 0 < 0. Ale wiersz ten jest kombinacj liniow wierszy macierzy A. Oznacza to,»e istnieje ci g y = (y, y 2,..., y t ) taki,»e (d... d n ) = t i= y iw i oraz b 0 = t i= y ib i. Otrzymali±my rozwi zanie 2) ya 0 by T < 0. Twierdzenie 3.2 Rozpatrujemy zadanie optymalizacji liniowej: Max x 0 = c x, gdzie x W i W jest opisane ukªadem nierówno±ci: w x b w 2 x b 2.. w t x b t Niech p W b dzie takim punktem,»e w i p = b i, dla i =, 2,..., j oraz w i x < b i, dla i > j. Wówczas: p jest punktem optymalnym tego zadania wtedy i tylko wtedy gdy dla pewnych liczb rzeczywistych r 0, r 2 0,..., r j 0 zachodzi c = j i= r iw i. b b 2. b t.
14 Optymalizacja A. Strojnowski 4 Dowód: Niech B = w w 2. w j b dzie macierz pochodz c od pierwszych j nierówno±ci. Wówczas p nie jest punktem optymalnym wtedy i tylko wtedy gdy kiedy istnieje wektor α taki,»e p + α W i x 0 (p + α) > x 0 (p). Poniewa» dªugo± wektora α nie gra roli to to tylko j pierwszych nierówno±ci opisuj cych W ma znaczenie. Przeksztaª my warunki: w (p + α) b = w p w 2 (p + α) b 2 = w 2 p. w j (p + α) b j = w j p c (p + α) > c p do: Bα T 0 i cα T > 0. Przyjmuj c oznaczenia A = B T i y = α otrzymujemy: ya 0 cy T < 0 czyli drugi ukªad z lematu Farkasa. A zatem ukªad Ax T = c T x 0 nie ma rozwi za«. Oznacza to,»e nie istnieje ci g liczb nieujemnych r 0, r 2 0,..., r j 0 taki,»e dla x = (r, r 2,..., r j ) xb = c czyli c j i= r iw i. Twierdzenie 3.3 (Silne twierdzenie o dualno±ci) Je»eli jedno z zada«p lub D ma rozwi zanie to drugie te» ma rozwi zanie i warto± funkcji celu s równe. Dowód: Przyjmijmy,»e zadanie pierwotne P: {Max x 0 = cx T Ax T b T } ma punkt optymalny p taki,»e w i p = b i, w w 2 dla i =, 2,..., j oraz w i x < b i, dla i > j, gdzie A =. Rn t. Wówczas na mocy poprzedniego twierdzenia istnieje ci g liczb nieujemnych r 0, r 2 0,..., r j 0 taki,»e c = j i= r iw i. Zadaniem dualnym jest D: {Min y 0 = bx T A T y T = c t, y 0}. Niech q = (r, r 2,..., r j, 0, 0,..., 0) R t. Wówczas q 0 w w 2 i qa = (r, r 2,..., r j, 0, 0,..., 0). = j i= r iw i = c wi c A T y T = c t co oznacza,»e q jest punktem dopuszczalnym zadania D. w t w t
15 Optymalizacja A. Strojnowski 5 Ale y 0 (q) = bq T = t i= b ir i = j i= b ir i = j i= (w ip T )r i = = j i= (r iw i )p T = cp T = x 0 (p). Teraz ze sªabego twierdzenia o dualno±ci wynika optymalno± punktu q. Twierdzenie 3.4 (Twierdzenie o równowadze (Kuhn, Tucker)) Punkt dopuszczalny p zadania P (Max x 0 = cx T Ax T b T, x 0) jest punktem optymalnym wtedy i tylko wtedy gdy istnieje punkt dopuszczalny q zadania D (Min y 0 = b T y T A T y T c T, y 0) taki,»e: ) q(ap T b T ) = 0 2) (qa c)p T = 0 p(a T q T c T ) = 0 Przykªad 3.5 P: Max x + 5x 2 2x 3 2x + 3x 2 x 3 5 = 3x + 5x 2 2x 3 = 7 = x + 2x 3 6 > y 3 = 0 x i 0 Sprawdzamy czy p = (0, 3, 4) jest optymalny? Szukamy w tym celu punktu q = (y, y 2, y 3 ) speªniaj cego oba warunki równowagi a potem sprawdzimy czy który± ze znalezionych punktów jest dualnie dopuszczalny. Aby sprawdzi pierwszy warunek podstawiamy punkt p do nierówno±ci. Poniewa» trzecia nierówno± speªniona jest na ostro to trzecia wspóªrz dna punktu q musi by zerowa. 0 Ap b = 0 > 0 Budujemy zadanie dualne. D : Min 5y + 7y 2 + 6y 3 2y + 3y 2 + y 3 cokolwiek 3y + 5y 2 5 = y 2y 2 + 2y 3 2 = y 0, y 2 R, y 3 0 Aby punkt q speªniaª drugi warunek równowagi to poniewa» punkt p ma drug i trzeci wspóªrz dn niezerow to punkt q musi speªnia drug i trzeci nierówno± zadania dualnego jak równo±. Po opuszczeniu trzeciej, zerowej wspóªrz dnej { otrzymujemy: 3y + 5y 2 = 5 y 2y 2 = 2 { y = 0 y 2 = Zatem q = (0,, 0) lub nie istnieje. Poniewa» q = (0,, 0) jest dopuszczalny dla zadania dualnego, wi c p jest optymalny. Ponadto q jest optymalny dla D.
16 Optymalizacja A. Strojnowski 6 Dowód: (twierdzenia o równowadze) Niech p b dzie optymalny, to na mocy poprzedniego twierdzenia istnieje rozwi zanie q optymalne dla zadania D. b T q = c T p q T 0 (Ap b 0 ) 0 q T Ap q T b 0 q T Ap q T b = b T q (q T A 0 c T ) p 0 0 q T Ap c T p 0 q T Ap c T p c T p q T Ap b T q zachodzi zawsze, je»eli p i q s optymalne, to skrajne kawaªki s równe czyli wsz dzie s równo±ci, w szczególno±ci c T p = q T Ap q T Ap c T p = 0 (q T A c T )p = 0 b T q = q T b = q T Ap q T b q T Ap = 0 q T (b Ap) = 0 Przypu± my,»e zachodzi ) i 2) wtedy z )otrzymujemy q T Ap = b T q 2) otrzymujemy c T p = q T Ap b T q = c T p p i q optymalne Uwagi: c T p q T Ap (q T A c T )p 0 P - max p - punkt dopuszczalny P D - min q - punkt dopuszczalny D D porównuje A T q z c. Je»eli w P x i 0 to i-ta równo± jest zgodna. A = [k, k 2,..., k n ] k A T = k 2... k n (kt i q 0 k T i q c i c)p i 0 0 Je»eli x j 0 to j-ta nierówno± jest niezgodna z typem kj T q c j (kj T q c j )p j Je»eli x i = 0 p i = 0 (kj T q c i )p i = 0 i (kj T q c i )p i 0 ( A T q c ) T p 0
17 Optymalizacja A. Strojnowski 7 Dualna metoda sympleks. P Max x 0 = c T x Ax = b x 0 [ ] cn 0 T S = A b T S jest pierwotnie dopuszczalna (przedstawia wierzchoªek obszaru dopuszczalnego) b 0 T S jest dualnie dopuszczalna (przedstawia wierzchoªek zadania dualnego) c 0 ( c N 0) T S przedstawia wierzchoªek optymalny jest pierwotnie i dualnie dopuszczalna. Przykªad: P Min x 0 = 2x + 3x 2 x + x 2 2 3x + 2x 2 7 2x + x 2 4 x 0, x 2 0 (typowy przykªad zagadnienia diety) x 0 x x 2 x 3 x 4 x 5 ww T S jest dualnie dopuszczalna. Rozpatrzmy teraz zadanie dualne: D Max y 0 = 2y + 7y 2 + 4y 3 y + 3y 2 + 2y 3 2 y + 2y 2 + y 3 3 y 0, y 2 0, y 3 0. I równowa»ne mu: D Min y 0 = 2y 7y 2 4y 3 T S Je»eli wykre±limy kolumny zwi zane ze zmiennymi bazowymi to T S T = T S Prze±led¹my metod sympleks na tych dwóch tablicach równocze±nie.
18 Optymalizacja A. Strojnowski 8 Dualne () (3) Pierwotne ( ) ( 3) Otrzymali±my rozwi zania q = (0, 2, 0, 0, 5) dla zadania dualnego i p = ( 7, 0,, 0, 2 ) dla zadania pierwotnego. Ale warto±ci funkcji celu s równe y 0 = y 0 = 4 2 = x 3 0 Algorytm dualnej metody sympleks (dla Max): na starcie mamy TS dualnie dopuszczaln (tzn. c N 0) T S = c N b 0 gdzie elementy macierzy A oznaczamy: A b a i,j, i n, j t za± kolumny b oznaczamy b i, j t. Test optymalno±ci. Je»eli b 0 to stop (tablica przedstawia wierzchoªek optymalny) 2 Wybieramy wiersz gªówny i, taki,»e b i < 0 3 Test sprzeczno±ci: je»eli w i-tym wierszu wszystkie wyrazy s 0 to stop (zadanie sprzeczne) Poniewa» i-ty wiersz reprezentuje równanie n j= a i,j x j = b i a i,j 0 x j 0 oraz b i < 0 4 Wybór elementu centralnego: Liczymy minimum M in{ c j a i,j : j t, ai,j < 0}. Jako element centralny wybieramy dowolne a ij na którym osi galne jest minimum. 5 Eliminacja Gaussa-Jordana 6 Wracamy do Rzeczywi±cie 5 daje T S dualnie dopuszczaln : nad kresk otrzymujemy W 0 d j α ij W i gdzie W 0 = (d, d 2,..., d n ) zatem w k-tej kolumnie otrzymujemy d k d j a ij a ik 0 d k 0 d j 0 a ij 0
19 Optymalizacja A. Strojnowski 9 d j a ij 0 je»eli α ik 0 to d j a ij a ik 0 i nierówno± zachodzi je»eli a ik < 0 to d j d a ik j a ij d j a ik d j a ij d k d j a ij a ik Porównanie metody sympleks prostej i dualnej ) zadanie opisane T S dualnie dopuszczaln mo»e mie rozwi zanie lub by sprzeczne, ale nie mo»e by nieograniczone. ') zadanie opisane T S pierwotnie dopuszczaln mo»e mie rozwi zanie lub by nieograniczone ale nie mo»e by sprzeczne (T S opisuje wierzchoªek dopuszczalny) 2) Dualna metoda sympleks daje rozwi zanie (algorytm si ko«czy) poniewa» ma tyle kroków ile prosta metoda sympleks na zadaniu dualnym. 3) Przy zadaniu Max W dualnej metodzie sympleks warto± funkcji celu maleje, ( w pierwotnej ro±nie). Dualna metoda sympleks jest u»ywana tylko jako narz dzie pomocnicze, poniewa» niedoko«czone obliczenia nie daj przybli»onego rozwi zania, a tylko oszacowanie funkcji celu. Relaksacje. Relaksacja nazywamy zadanie powstaªe z ZP L przez uproszczenie warunków czyli powi kszenie obszaru dopuszczalnego. d 0 b 0 N I b Mo»emy dopisa równanie wyznaczaj ce koszty. α - koszt zawodnika αixi b t+ x i {0, } αixi +x n+ = b t+ d 0 b 0 N I b α... b t+...α n tu musimy wyzerowa Po doprowadzeniu do T S otrzymujemy T S dualnie dopuszczaln. Dopisywanie warunków (zacie±nianie relaksacji) prowadzi do T S dualnie dopuszczalnej, która rozwi zujemy dualn metod sympleks. warunki, jakich» damy od dobrej relaksacji: Relaksacje ma by ªatwo wyliczalna 2 relaksacja ma dobrze przybli»a wyniki ( i 2 s ze sob sprzeczne)
20 Optymalizacja A. Strojnowski 20 3 Je»eli relaksacja daje zadanie sprzeczne, to wyj±ciowe te» ma by sprzeczne (obszar dopuszczalny relaksacji ma zawiera obszar dopuszczalny zadania wyj±ciowego). Relaksacje stosujemy do zagadnie«caªkowitoliczbowych. P Max x 0 = c T x Ax = b x 0 x i Z Relaksacja RP Max x 0 = c T x Ax = b x 0 x i R RP umiemy rozwi za i cz sto jedno z rozwi za«jest caªkowitoliczbowe. Je»eli nie, to: Otrzymali±my TS pierwotnie i dualnie dopuszczaln T S d 0 b 0 N I b b i / Z mo»emy zacie±ni relaksacj stosuj c odci cia (zmniejszamy obszar dopuszczalny) Odci cie Gomory'ego n j= α i,jx j = b i b i / Z. poniewa» a + b a + b i a x a x dla x 0 x Z, wi c n b i = j= α i,jx j = b i n j= α i,jx j n j= α i,j x j Odci cie polega na dopisaniu nierówno±ci n j= α i,j x j b i Je»eli zmienna bazowa x k miaªa warto± b i to α ik = α n i x + α i,2 x x k α i,n x n = b i j= α i,j x i + x n+ = b i dopisujemy ró»nic tych równa«n j= ( α i,j α i,j ) x j + x n+ = b i b i i rozwi zujemy dualn metod sympleks. Metoda Rozgaª zie«i odci Branch and Bound BB Streszczenie: -rozwi zujemy relaksacj - sprawdzamy, czy otrzymane rozwi zanie jest dopuszczalne - je±li nie, to wykonujemy odci cie lub dzielimy problem na 2 lub wi cej problemów.
21 Optymalizacja A. Strojnowski 2 Przykªad 3.6 Rozwi zujemy zadanie P. Max x 0 = x 2x 2 x + x 2 0 4x 2x 2 9 x 3 x i 0 x i Z Jest to zadanie typu: P Max x 0 = c T x x Q. Budujemy pierwsz relaksacj : ) RP Max x 0 = c T x x RQ; RQ Q, gdzie Q - zbiór dyskretny RQ - wielo±cian, bo opuszczamy warunek x i Z 2) Rozwi zujemy RP x 0 x x 2 x 3 x 4 x 5 ww (4) Min {, 9, 3} = ) niedopuszczalny dla zadania P Otrzymali±my punkt optymalny p = ( 9, 0, 9, 0, x 0 = 9 4 3) Dokonujemy podziaªu x 3 = x x 2 Z a wyszªo 3 4 RQ dzielimy na 2 podzbiory, tak zwany lewy i prawy przez dodanie ogranicze«: x 3 [ 9 4 ] = 2 lub x3 [ 9 4] + = 3 Q RQ L RQ P RQ L RQ P = RQ L x 3 2 x 3 + x 6 = 2 2 x 2 + x x 4 = x 2 4 x 4 + x 6 = 2 2 x 2 4 x 4 + x 6 = 4
22 Optymalizacja A. Strojnowski 22 x x 2 x 3 x 4 x 5 x 6 ww { 3 } Min, 4 = ( ) RP L ma rozwi zanie dopuszczalne p = (2, 0, 2,, 0, 0) x 0 = 2. Zapami tujemy to rozwi zanie w sukcesorze. Teraz rozwi zujemy problem prawy RP P. Dodajemy ograniczenie x = 3 x x 3 + x 4 4 = 9 4 x 3 x 6 = 3 x 3 + x 6 = 3 x x x 6 = = sprzeczno±. Zamiast problemu P x 0 = c T x x Q rozwi zujemy ci g podproblemów RP, RP 2,..., RP n gdzie RP i x 0 = c T x x RQ i Q n i=rq i oraz obszary RQ i s parami rozª czne. Je»eli P ma rozwi zanie optymalne w Q, to w jest punktem optymalnym jednego z podproblemów. Niech f i - rozwi zanie problemu RP i + je»eli RP i nieograniczone f i = x 0 (w i ) je»eli RP i ma rozwi zanie je»eli RP i sprzeczne f = max f i Je»eli w Q nie jest jedynym rozwi zaniem to kilka problemów mo»e wygenerowa rozwi zanie. Kryteria zamykania: problem RP i zamykamy w przypadku: ) Znalezienia rozwi zania: a) Je»eli rozwi zanie jest dopuszczalne (w i Q) to zamykamy b) Je»eli rozwi zanie jest niedopuszczalne to dzielimy na problemy lub zacie±niamy relaksacj. 2) Otrzymania sprzeczno±ci
23 Optymalizacja A. Strojnowski 23 3) Znalezienia rozwi zania (mo»e by niedopuszczalne), w którym funkcja celu jest równa lub mniejsza od znalezionego wcze±niej rozwi zania dopuszczalnego. Przykªad: x x x 4 4 = 9 4 x 2 lub x 3 x 2 x + x 6 = 2 x 2 2 x x 6 = 2 9 = 4 4 tabelka prawie jak RPL powy»ej RPL ma rozwi zania (2, 0, 2,, 0, 0) x 0 = 2 dopuszczalne x 0max 2 x 3 x x 6 = 3 x x x 6 = 3 4 tabelka prawie jak RPp powy»ej, ale nie ma sprzeczno±ci RPp ma rozwi zanie (3, 3, 3, 0, 0, 0) / Q x = 0 lem zamykamy. Je»eli problem RP L byª rozwi zywany wcze±niej to RP p mo»na zamkn ; wpp nie, bo nie ma z czym porówna. Metoda BB. Dana jest lista kandydacka L zawieraj ca wszystkie niezamkni te problemy. (L mo»e np. zawiera tylko jeden problem pocz tkowy). Lista L b dzie si rozszerza przy dokonywaniu podziaªu i skraca przy zamykaniu problemu. Celem jest osi gniecie L =. Dodatkowo mamy sukcesor zawieraj cy element ze zbioru dopuszczalnego i warto± funkcji na tym elemencie. W chwili pocz tkowej sukcesor jest pusty zwykle). x = {(f, w)} lub x = ) Test stopu: Je»eli L = to stop, je±li x = to w jest punktem optymalnym, a f jest rozwi zaniem. 2) Wybór kandydata z listy: Wybieramy i usuwamy z listy L podproblem P k. Ustalamy jego relaksacj RP k.
24 Optymalizacja A. Strojnowski 24 3) Rozwi zujemy RP k i testujemy kryteria zamykania: a) Je»eli jest speªnione kryterium a) i nie jest speªnione 3) to zmieniamy sukcesor w : w k, f : f k GO TO ) b) Je»eli speªnione kryteria 2) lub 3) GO TO ) c) Speªnione b). Decydujemy, czy zacie±niamy relaksacj czy dokonujemy podziaªu: Je»eli zacie±niamy relaksacj to GO TO 3) Je»eli dokonujemy podziaªu to GO TO 2) Metod BB rozwi zujemy zadanie programowania liniowego z parametrem (pewne wspóªczynniki nie s okre±lone) T S c N 0 b 0 N I b np. Max x 0 = a x +a 2 x a nx n b x +b 2 x b nx n x Q Niech t= bixi i rozwi zujemy zadanie c N 0 b 0 T S N I b b x + b 2 x b 4 x 4 t przeksztaªcenia polegaj na wyborze elementu centralnego M in i,α ij >0 min i dzielimy na dwa podproblemy ) t b j < min b j - element centralny 2) t b j min element centralny - jaki± z kolumny j {( )} x = f(w), w t Algorytmy szybsze w szczególnych przypadkach: zadanie przepªywa w sieciach: Mamy dany graf o wierzchoªkach i kraw dziach skierowanych. 4 Zagadnienie transportowe { t i α ij, t b j } = Mamy n punktów wysyªaj cych towar i t punktów odbieraj cych. Istnieje droga od ka»dego dostawcy do ka»dego odbiorcy i znany jest koszt transportu jednostki towaru. Jak zorganizowa transport,»eby koszt byª minimalny? Zapiszmy dane w postaci tabeli:
25 Optymalizacja A. Strojnowski 25 O O 2 O t poda» D a, a,2 a,t b D 2 a 2, a 2,2 a 2,t b D n a n, a n,2 a n,t b n popyt c c 2 c t Wprowad¹my zmienne x i,j opisuj ce ilo± towaru przewo»onego od i - tego dostawcy do j - tego odbiorcy. Niech a ij oznacza koszt przewiezienia jednostki towaru. Jako funkcj celu przyjmijmy: min x 0 = n t i= j= a i,jx i,j Zadanie transportowe nazywamy zbilansowanym gdy poda» = popyt, czyli n i= b i = t j= c j. W przypadku zbilansowanym obszar dopuszczalny opisany jest nast puj - cym ukªadem równa«i nierówno±ci: t j= x,j = b, - pierwszy dostawca wysyªa caªy towar, t j= x 2,j = b 2, - drugi dostawca wysyªa caªy towar,. t j= x,j = b n, - n-ty dostawca wysyªa caªy towar, t i=n x,j = c, - pierwszy odbiorca dostaje caªy towar, t i=n x 2,j = c 2, - drugi odbiorca dostaje caªy towar,. t i=n x,j = c t, - t-ty odbiorca dostaje caªy towar, Ponadto nie mo»na przewozi ujemnej liczby towarów - a wi c: i n j t x i,j 0. Czasami towary s podzielne jak pr d czy woda, ale zwykle dodajemy warunki: i,j x i,j Z Je±li dodamy do siebie równania opisuj ce popyt otrzymamy n t i= j= x i,j = n i= b i Analogicznie je±li dodamy do siebie równania opisuj ce poda» otrzymamy t n j= i= x i,j = t j= c i. Zatem dla zadania niezbilansowanego ukªad równa«opisuj cy obszar dopuszczalny jest sprzeczny za± dla zadania zbilansowanego ukªad równa«opisuj cy obszar dopuszczalny jest zale»ny. Mo»na pokaza,»e rz d macierzy ukªadu jest równy n + t a wi c tyle musi by zmiennych bazowych. Zakªadamy,»e zagadnienie jest zbilansowane.
26 Optymalizacja A. Strojnowski 26 Zadanie opisuj dwie tablice maj ce tyle wierszy ilu jest dostawców i tyle kolumn ilu jest odbiorców plus wiersze i kolumny nagªówków. W pierwszej zapisujemy koszty lub koszty zredukowane - czyli to co jest nad kresk w tablicy sympleks. Druga tablica opisuje przewozy - dla zmiennej bazowej x i,j wstawiamy wstawiamy ilo± towaru przewo»onego od i - tego dostawcy do j - tego odbiorcy za± dla zmiennych niebazowych krzy»yk x. Ta tablica opisuje to co jest w tablicy sympleks z prawej strony kreski i umiejscowienie zmiennych bazowych jak w zrewidowanej metodzie sympleks. Szukanie wierzchoªka startowego a) Metoda wierzchoªka póªnocno - zachodniego ) Je»eli mamy tylko jednego dostawc lub tylko jednego odbiorc to wszystkie zmienne s bazowe w tablic przewozów wpisujemy popyty lub poda»e odpowiednio. 2) Wybieramy wierzchoªek póªnocno - zachodni czyli miejsce w lewym górnym rogu. 2a) Je»eli b c to w to miejsce tablicy wpisujemy c za± w pozostaªe miejsca pierwszej kolumny krzy»yki. ( x, = c ). Teraz zamiast b wpisujemy b c i usuwamy pierwszego odbiorc. 2b) Je»eli b < c to w to miejsce tablicy wpisujemy b za± w pozostaªe miejsca pierwszego wiersza krzy»yki. ( x, = b ). Teraz zamiast c wpisujemy c b i usuwamy pierwszego dostawc. GO TO. Przykªad 4. Dane jest zagadnienie transportowe opisane tabel : Koszty O O 2 O 3 O 4 Poda»e D D D D Popyty Szukamy wierzchoªka startowego metod wierzchoªka póªnocno - zachodniego. Zaczynamy od wierzchoªka póªnocno - zachodniego nast puj cej tabeli. Przewozy O O 2 O 3 O 4 Poda»e D 5\ 9 D 2 5 D 3 0 D 4 5 Popyty 4 0 5
27 Optymalizacja A. Strojnowski 27 Poniewa» Min{6, 5} = 6 wi c 6 wpisujemy w t komórk i wykre±lamy pierwszego odbiorc. Min{4, 9} = 4 Min{0, 5} = 5 Przewozy O O 2 O 3 O 4 Poda»e D 6 5\ 9 D 2 X 5 D 3 X 0 D 4 X 5 Popyty 6\ Przewozy O O 2 O 3 O 4 Poda»e D 6 4 5\ 9\ 5 D 2 X X 5 D 3 X X 0 D 4 X X 5 Popyty 6\ 4\ 0 5 Przewozy O O 2 O 3 O 4 Poda»e D X 5\ 9\ 5\ D 2 X X 5 D 3 X X 0 D 4 X X 5 Popyty 6\ 4\ 0\ 5 5 W kolumnie O 3 i wierszu D 2 Min{5, 5} = 5 ale mo»emy wykre±li tylko odbiorc - dostawcy wpisujemy 0. Mamy teraz jedn lini. Przewozy O O 2 O 3 O 4 Poda»e D X 5\ 9\ 5\ D 2 X X 5 5\ 0 D 3 X X X 0 D 4 X X X 5 Popyty 6\ 4\ 0\ 5\ 5 Przewozy O O 2 O 3 O 4 Poda»e D X 5\ 9\ 5\ D 2 X X 5 0 5\ 0\ D 3 X X X 0 0 \ D 4 X X X 5 5\ Popyty 6\ 4\ 0\ 5\ 5\
28 Optymalizacja A. Strojnowski 28 b) Metoda minimalnych kosztów. Ta metoda ró»ni si od poprzedniej tym,»e zamiast wierzchoªka póªnocno - zachodniego wybieramy miejsce tabeli o minimalnym koszcie. Metoda sympleks 0) dana jest tablica kosztów K i tablica przewozów P opisuj ca wierzchoªek startowy. ) Test optymalno±ci. a) W tablicy kosztów zaznaczamy miejsca odpowiadaj ce zmiennym bazowym. b) Za tablic w prawym górnym rogu wpisujemy 0. c) Uzupeªniamy miejsca pod tabel i z prawej strony takimi liczbami by suma liczby w tablicy, dopisanej w wierszu i dopisanej w kolumnie dawaªa 0 w przypadku zaznaczonych komórek - zmiennych bazowych. c) Wyliczamy tablic kosztów zredukowanych dodaj c do ka»dego wiersza liczb dopisan z prawej strony i dodaj c do ka»dej kolumny liczb dopisan poni»ej. 2) Je»eli nie ma liczb ujemnych w tablicy kosztów to STOP. Ostatni schemat przewozów jest optymalny. Przykªad 4.2 W zadaniu z poprzedniego przykªadu koszty opisane s tabel : Zaznaczamy komórki zmiennych bazowych * i dopisujemy 0 w pierwszym wierszu. Koszty O O 2 O 3 O 4 D * 3* 7* 9 0 D * 0* D * D * Wymusza to liczby -,-3 i -7 w pierwszych kolumnach. Wymusza to 2 w drugim wierszu. Koszty O O 2 O 3 O 4 D * 3* 7* 9 0 D * 0* D * D * Koszty O O 2 O 3 O 4 D * 3* 7* 9 0 D * 0* 2 D * D *
29 Optymalizacja A. Strojnowski 29 Wymusza to -2 w czwartej kolumnie. Koszty O O 2 O 3 O 4 D * 3* 7* 9 0 D * 0* 2 D * D * Wymusza to 4 i 2 w ostatnich wierszach. Koszty O O 2 O 3 O 4 D * 3* 7* 9 0 D * 0* 2 D * 4 D * Obliczaj c koszty zredukowane otrzymujemy. Koszty O O 2 O 3 O 4 D D D D ) W drowanie mi dzy wierzchoªkami. 3a) Wybieramy drog o ujemnym koszcie - w przykªadzie drog wyznaczon zmienn x 4,2 i w tablicy przewozy do X dopisujemy +. 3b) Wpisuj c przy odpowiednich zmiennych bazowych ± budujemy cykl tak by popyt i poda» z uwzgl dnieniem nie zmieniªa si. 3c) Wybieramy maksymaln = min{x i,j wyst puje ze znakiem -} 4) Podstawiamy wyliczon warto± i usuwamy z bazy jedn ze zmiennych na której ilo± przewo»onego towaru zmniejszyli±my do 0. Przykªad 4.3 Przewozy O O 2 O 3 O 4 D X D 2 X X 5 0 D 3 X X X 0 D 4 X X+ X 5
30 Optymalizacja A. Strojnowski 30 Budujemy cykl: Przewozy O O 2 O 3 O 4 D X D 2 X X 5 0+ D 3 X X X 0 D 4 X X+ X 5 = min{4, 5, 5} = 4 i nowym schematem przewozów jest: Przewozy O O 2 O 3 O 4 D 6 X 9 X D 2 X X 4 D 3 X X X 0 D 4 X 4 X Transport niezbilansowany W przypadku gdy poda» przewy»sza popyt zadanie mo»na doprowadzi do zbilansowanego wprowadzaj c sztucznego odbiorc o popycie równowa» - cym ró»nic i kosztach przewozów 0. Po wyliczeniu optymalnego przewozu mówimy,»e towary wysªane do sztucznego odbiorcy zostaj u dostawców. W przypadku gdy popyt przewy»sza poda», analogicznie, zadanie mo»na doprowadzi do zbilansowanego wprowadzaj c sztucznego dostawc o poda»y równowa» cym ró»nic i kosztach przewozów 0.
celu przyjmijmy: min x 0 = n t Zadanie transportowe nazywamy zbilansowanym gdy podaż = popyt, czyli n
123456789 wyk lad 9 Zagadnienie transportowe Mamy n punktów wysy lajacych towar i t punktów odbierajacych. Istnieje droga od każdego dostawcy do każdego odbiorcy i znany jest koszt transportu jednostki
Bardziej szczegółowoUkªady równa«liniowych
dr Krzysztof yjewski Mechatronika; S-I 0 in» 7 listopada 206 Ukªady równa«liniowych Informacje pomocnicze Denicja Ogólna posta ukªadu m równa«liniowych z n niewiadomymi x, x, x n, gdzie m, n N jest nast
Bardziej szczegółowodet A := a 11, ( 1) 1+j a 1j det A 1j, a 11 a 12 a 21 a 22 Wn. 1 (Wyznacznik macierzy stopnia 2:). = a 11a 22 a 33 +a 12 a 23 a 31 +a 13 a 21 a 32
Wyznacznik Def Wyznacznikiem macierzy kwadratowej nazywamy funkcj, która ka»dej macierzy A = (a ij ) przyporz dkowuje liczb det A zgodnie z nast puj cym schematem indukcyjnym: Dla macierzy A = (a ) stopnia
Bardziej szczegółowoPewne algorytmy algebry liniowej Andrzej Strojnowski
Pewne algorytmy algebry liniowej ndrzej Strojnowski 6 stycznia 2011 Przedstawimy tu kilka algorytmów rozwi zuj ce typowe zadania algebry liniowej Wszystkie zaprezentowane tu algorytmy polegaj na zbudowaniu
Bardziej szczegółowoARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15
ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych
Bardziej szczegółowoFunkcje, wielomiany. Informacje pomocnicze
Funkcje, wielomiany Informacje pomocnicze Przydatne wzory: (a + b) 2 = a 2 + 2ab + b 2 (a b) 2 = a 2 2ab + b 2 (a + b) 3 = a 3 + 3a 2 b + 3ab 2 + b 3 (a b) 3 = a 3 3a 2 b + 3ab 2 b 3 a 2 b 2 = (a + b)(a
Bardziej szczegółowoLiniowe równania ró»niczkowe n tego rz du o staªych wspóªczynnikach
Liniowe równania ró»niczkowe n tego rz du o staªych wspóªczynnikach Teoria obowi zuje z wykªadu, dlatego te» zostan tutaj przedstawione tylko podstawowe denicje, twierdzenia i wzory. Denicja 1. Równanie
Bardziej szczegółowoInterpolacja funkcjami sklejanymi
Interpolacja funkcjami sklejanymi Funkcje sklejane: Zaªó»my,»e mamy n + 1 w zªów t 0, t 1,, t n takich,»e t 0 < t 1 < < t n Dla danej liczby caªkowitej, nieujemnej k funkcj sklejan stopnia k nazywamy tak
Bardziej szczegółowoANALIZA NUMERYCZNA. Grzegorz Szkibiel. Wiosna 2014/15
ANALIZA NUMERYCZNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Metoda Eulera 3 1.1 zagadnienia brzegowe....................... 3 1.2 Zastosowanie ró»niczki...................... 4 1.3 Output do pliku
Bardziej szczegółowoMetody dowodzenia twierdze«
Metody dowodzenia twierdze«1 Metoda indukcji matematycznej Je±li T (n) jest form zdaniow okre±lon w zbiorze liczb naturalnych, to prawdziwe jest zdanie (T (0) n N (T (n) T (n + 1))) n N T (n). 2 W przypadku
Bardziej szczegółowoEkonometria. wiczenia 1 Regresja liniowa i MNK. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej
Ekonometria wiczenia 1 Regresja liniowa i MNK (1) Ekonometria 1 / 25 Plan wicze«1 Ekonometria czyli...? 2 Obja±niamy ceny wina 3 Zadania z podr cznika (1) Ekonometria 2 / 25 Plan prezentacji 1 Ekonometria
Bardziej szczegółowoMateriaªy do Repetytorium z matematyki
Materiaªy do Repetytorium z matematyki 0/0 Dziaªania na liczbach wymiernych i niewymiernych wiczenie Obliczy + 4 + 4 5. ( + ) ( 4 + 4 5). ( : ) ( : 4) 4 5 6. 7. { [ 7 4 ( 0 7) ] ( } : 5) : 0 75 ( 8) (
Bardziej szczegółowoWykªad 7. Ekstrema lokalne funkcji dwóch zmiennych.
Wykªad jest prowadzony w oparciu o podr cznik Analiza matematyczna 2. Denicje, twierdzenia, wzory M. Gewerta i Z. Skoczylasa. Wykªad 7. Ekstrema lokalne funkcji dwóch zmiennych. Denicja Mówimy,»e funkcja
Bardziej szczegółowoARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15
ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych
Bardziej szczegółowoWektory w przestrzeni
Wektory w przestrzeni Informacje pomocnicze Denicja 1. Wektorem nazywamy uporz dkowan par punktów. Pierwszy z tych punktów nazywamy pocz tkiem wektora albo punktem zaczepienia wektora, a drugi - ko«cem
Bardziej szczegółowoElementy geometrii w przestrzeni R 3
Elementy geometrii w przestrzeni R 3 Z.Šagodowski Politechnika Lubelska 29 maja 2016 Podstawowe denicje Wektorem nazywamy uporz dkowan par punktów (A,B) z których pierwszy nazywa si pocz tkiem a drugi
Bardziej szczegółowoModele wielorównaniowe. Problem identykacji
Modele wielorównaniowe. Problem identykacji Ekonometria Szeregów Czasowych SGH Identykacja 1 / 43 Plan wykªadu 1 Wprowadzenie 2 Trzy przykªady 3 Przykªady: interpretacja 4 Warunki identykowalno±ci 5 Restrykcje
Bardziej szczegółowoInformacje pomocnicze
Funkcje wymierne. Równania i nierówno±ci wymierne Denicja. (uªamki proste) Wyra»enia postaci Informacje pomocnicze A gdzie A d e R n N (dx e) n nazywamy uªamkami prostymi pierwszego rodzaju. Wyra»enia
Bardziej szczegółowoWST P DO TEORII INFORMACJI I KODOWANIA. Grzegorz Szkibiel. Wiosna 2013/14
WST P DO TEORII INFORMACJI I KODOWANIA Grzegorz Szkibiel Wiosna 203/4 Spis tre±ci Kodowanie i dekodowanie 4. Kodowanie a szyfrowanie..................... 4.2 Podstawowe poj cia........................
Bardziej szczegółowoARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15
ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych
Bardziej szczegółowoXVII Warmi«sko-Mazurskie Zawody Matematyczne
1 XVII Warmi«sko-Mazurskie Zawody Matematyczne Kategoria: klasa VIII szkoªy podstawowej i III gimnazjum Olsztyn, 16 maja 2019r. Zad. 1. Udowodnij,»e dla dowolnych liczb rzeczywistych x, y, z speªniaj cych
Bardziej szczegółowoEkonometria - wykªad 8
Ekonometria - wykªad 8 3.1 Specykacja i werykacja modelu liniowego dobór zmiennych obja±niaj cych - cz ± 1 Barbara Jasiulis-Goªdyn 11.04.2014, 25.04.2014 2013/2014 Wprowadzenie Ideologia Y zmienna obja±niana
Bardziej szczegółowoA. Kasperski, M. Kulej, Badania operacyjne, Wykład 4, Zagadnienie transportowe1
A. Kasperski, M. Kulej, Badania operacyjne, Wykład 4, Zagadnienie transportowe ZAGADNIENIE TRANSPORTOWE(ZT) Danychjest pdostawców,którychpodażwynosi a,a 2,...,a p i qodbiorców, którychpopytwynosi b,b 2,...,b
Bardziej szczegółowo2. L(a u) = al( u) dla dowolnych u U i a R. Uwaga 1. Warunki 1., 2. mo»na zast pi jednym warunkiem: L(a u + b v) = al( u) + bl( v)
Przeksztaªcenia liniowe Def 1 Przeksztaªceniem liniowym (homomorzmem liniowym) rzeczywistych przestrzeni liniowych U i V nazywamy dowoln funkcj L : U V speªniaj c warunki: 1 L( u + v) = L( u) + L( v) dla
Bardziej szczegółowoANALIZA MATEMATYCZNA Z ALGEBR
ANALIZA MATEMATYCZNA Z ALGEBR WYKŠAD II Maªgorzata Murat MACIERZ A rzeczywist (zespolon ) o m wierszach i n kolumnach nazywamy przyporz dkowanie ka»dej uporz dkowanej parze liczb naturalnych (i, j), gdzie
Bardziej szczegółowoMacierze i Wyznaczniki
Macierze i Wyznaczniki Kilka wzorów i informacji pomocniczych: Denicja 1. Tablic nast puj cej postaci a 11 a 12... a 1n a 21 a 22... a 2n A =... a m1 a m2... a mn nazywamy macierz o m wierszach i n kolumnach,
Bardziej szczegółowoRozwi zanie równania ró»niczkowego metod operatorow (zastosowanie transformaty Laplace'a).
Rozwi zania zada«z egzaminu podstawowego z Analizy matematycznej 2.3A (24/5). Rozwi zanie równania ró»niczkowego metod operatorow (zastosowanie transformaty Laplace'a). Zadanie P/4. Metod operatorow rozwi
Bardziej szczegółowoMetodydowodzenia twierdzeń
1 Metodydowodzenia twierdzeń Przez zdanie rozumiemy dowolne stwierdzenie, które jest albo prawdziwe, albo faªszywe (nie mo»e by ono jednocze±nie prawdziwe i faªszywe). Tradycyjnie b dziemy u»ywali maªych
Bardziej szczegółowoMacierze i Wyznaczniki
dr Krzysztof yjewski Mechatronika; S-I.in». 5 pa¹dziernika 6 Macierze i Wyznaczniki Kilka wzorów i informacji pomocniczych: Denicja. Tablic nast puj cej postaci a a... a n a a... a n A =... a m a m...
Bardziej szczegółowo1 Przypomnienie wiadomo±ci ze szkoªy ±redniej. Rozwi zywanie prostych równa«i nierówno±ci
Zebraª do celów edukacyjnych od wykªadowców PK, z ró»nych podr czników Maciej Zakarczemny 1 Przypomnienie wiadomo±ci ze szkoªy ±redniej Rozwi zywanie prostych równa«i nierówno±ci dotycz cych funkcji elementarnych,
Bardziej szczegółowoARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15
ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych
Bardziej szczegółowoPlan wykładu. Przykład. Przykład 3/19/2011. Przykład zagadnienia transportowego. Optymalizacja w procesach biznesowych Wykład 2 DECYZJA?
/9/ Zagadnienie transportowe Optymalizacja w procesach biznesowych Wykład --9 Plan wykładu Przykład zagadnienia transportowego Sformułowanie problemu Własności zagadnienia transportowego Metoda potencjałów
Bardziej szczegółowor = x x2 2 + x2 3.
Przestrze«aniczna Def. 1. Przestrzeni aniczn zwi zan z przestrzeni liniow V nazywamy dowolny niepusty zbiór P z dziaªaniem ω : P P V (które dowolnej parze elementów zbioru P przyporz dkowuje wektor z przestrzeni
Bardziej szczegółowoFunkcja kwadratowa, wielomiany oraz funkcje wymierne
Funkcja kwadratowa, wielomiany oraz funkcje wymierne Šukasz Dawidowski Nocne powtórki maturalne 28 kwietnia 2014 r. Troch teorii Funkcj f : R R dan wzorem: f (x) = ax 2 + bx + c gdzie a 0 nazywamy funkcj
Bardziej szczegółowoElementy geometrii analitycznej w przestrzeni
Wykªad 3 Elementy geometrii analitycznej w przestrzeni W wykªadzie tym wi kszy nacisk zostaª poªo»ony raczej na intuicyjne rozumienie deniowanych poj, ni» ±cisªe ich zdeniowanie. Dlatego niniejszy wykªad
Bardziej szczegółowoARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15
ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych
Bardziej szczegółowoPodstawy matematyki dla informatyków
Podstawy matematyki dla informatyków Wykªad 6 10 listopada 2011 W poprzednim odcinku... Zbiory A i B s równoliczne (tej samej mocy ), gdy istnieje bijekcja f : A 1 1 B. Piszemy A B lub A = B. na Moc zbioru
Bardziej szczegółowoA = n. 2. Ka»dy podzbiór zbioru sko«czonego jest zbiorem sko«czonym. Dowody tych twierdze«(elementarne, lecz nieco nu» ce) pominiemy.
Logika i teoria mnogo±ci, konspekt wykªad 12 Teoria mocy, cz ± II Def. 12.1 Ka»demu zbiorowi X przyporz dkowujemy oznaczany symbolem X obiekt zwany liczb kardynaln (lub moc zbioru X) w taki sposób,»e ta
Bardziej szczegółowo2 Liczby rzeczywiste - cz. 2
2 Liczby rzeczywiste - cz. 2 W tej lekcji omówimy pozostaªe tematy zwi zane z liczbami rzeczywistymi. 2. Przedziaªy liczbowe Wyró»niamy nast puj ce rodzaje przedziaªów liczbowych: (a) przedziaªy ograniczone:
Bardziej szczegółowoMacierz A: macierz problemów liniowych (IIII); Macierz rozszerzona problemów liniowych (IIII): a 11 a 1m b 1 B = a n1 a nm b n
Plan Spis tre±ci 1 Problemy liniowe 1 2 Zadania I 3 3 Formy biliniowe 3 3.1 Odwzorowania wieloliniowe..................... 3 3.2 Formy biliniowe............................ 4 4 Formy kwadratowe 4 1 Problemy
Bardziej szczegółowoBash i algorytmy. Elwira Wachowicz. 20 lutego
Bash i algorytmy Elwira Wachowicz elwira@ifd.uni.wroc.pl 20 lutego 2012 Elwira Wachowicz (elwira@ifd.uni.wroc.pl) Bash i algorytmy 20 lutego 2012 1 / 16 Inne przydatne polecenia Polecenie Dziaªanie Przykªad
Bardziej szczegółowoARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15
ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych
Bardziej szczegółowoRelacj binarn okre±lon w zbiorze X nazywamy podzbiór ϱ X X.
Relacje 1 Relacj n-argumentow nazywamy podzbiór ϱ X 1 X 2... X n. Je±li ϱ X Y jest relacj dwuargumentow (binarn ), to zamiast (x, y) ϱ piszemy xϱy. Relacj binarn okre±lon w zbiorze X nazywamy podzbiór
Bardziej szczegółowoPrzeksztaªcenia liniowe
Przeksztaªcenia liniowe Przykªady Pokaza,»e przeksztaªcenie T : R 2 R 2, postaci T (x, y) = (x + y, x 6y) jest przeksztaªceniem liniowym Sprawdzimy najpierw addytywno± przeksztaªcenia T Niech v = (x, y
Bardziej szczegółowo1 a + b 1 = 1 a + 1 b 1. (a + b 1)(a + b ab) = ab, (a + b)(a + b ab 1) = 0, (a + b)[a(1 b) + (b 1)] = 0,
XIII Warmi«sko-Mazurskie Zawody Matematyczne. Olsztyn 2015 Rozwi zania zada«dla szkóª ponadgimnazjalnych ZADANIE 1 Zakªadamy,»e a, b 0, 1 i a + b 1. Wykaza,»e z równo±ci wynika,»e a = -b 1 a + b 1 = 1
Bardziej szczegółowo1 0 Je»eli wybierzemy baz A = ((1, 1), (2, 1)) to M(f) A A =. 0 2 Daje to znacznie lepszy opis endomorzmu f.
GAL II 2012-2013 A Strojnowski str1 Wykªad 1 Ten semestr rozpoczniemy badaniem endomorzmów sko«czenie wymiarowych przestrzeni liniowych Denicja 11 Niech V b dzie przestrzeni liniow nad ciaªem K 1) Przeksztaªceniem
Bardziej szczegółowoOptymalizacja 1 A. Strojnowski 1. 1 Wprowadzenie. Zagadnienie diety. Zagadnienie transportowe:
Optymalizacja 1 A Strojnowski 1 1 Wprowadzenie Rozpoczniemy od przedstawienia kilku charakterystycznych przykªadów zada«optymalizacji liniowej Zagadnienie diety Jak wymiesza pszenic, soj i m czk rybna
Bardziej szczegółowoELEMENTARNA TEORIA LICZB. 1. Podzielno±
ELEMENTARNA TEORIA LICZB IZABELA AGATA MALINOWSKA N = {1, 2,...} 1. Podzielno± Denicja 1.1. Niepusty podzbiór A zbioru liczb naturalnych jest ograniczony, je»eli istnieje taka liczba naturalna n 0,»e m
Bardziej szczegółowoFunkcje wielu zmiennych
dr Krzysztof yjewski Informatyka I rok I 0 in» 12 stycznia 2016 Funkcje wielu zmiennych Informacje pomocnicze Denicja 1 Niech funkcja f(x y) b dzie okre±lona przynajmniej na otoczeniu punktu (x 0 y 0 )
Bardziej szczegółowoJAO - J zyki, Automaty i Obliczenia - Wykªad 1. JAO - J zyki, Automaty i Obliczenia - Wykªad 1
J zyki formalne i operacje na j zykach J zyki formalne s abstrakcyjnie zbiorami sªów nad alfabetem sko«czonym Σ. J zyk formalny L to opis pewnego problemu decyzyjnego: sªowa to kody instancji (wej±cia)
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 szczegółowoZad. 1 Zad. 2 Zad. 3 Zad. 4 Zad. 5 SUMA. W obu podpunktach zakªadamy,»e kolejno± ta«ców jest wa»na.
Zad. 1 Zad. 2 Zad. 3 Zad. 4 Zad. 5 SUMA Zadanko 1 (12p.) Na imprezie w Noc Kupaªy s 44 dziewczyny. Nosz one 11 ró»nych imion, a dla ka»dego imienia s dokªadnie 4 dziewczyny o tym imieniu przy czym ka»da
Bardziej szczegółowoMatematyka wykªad 1. Macierze (1) Andrzej Torój. 17 wrze±nia 2011. Wy»sza Szkoªa Zarz dzania i Prawa im. H. Chodkowskiej
Matematyka wykªad 1 Macierze (1) Andrzej Torój Wy»sza Szkoªa Zarz dzania i Prawa im. H. Chodkowskiej 17 wrze±nia 2011 Plan wykªadu 1 2 3 4 5 Plan prezentacji 1 2 3 4 5 Kontakt moja strona internetowa:
Bardziej szczegółowoPRZYPOMNIENIE Ka»d przestrze«wektorow V, o wymiarze dim V = n < nad ciaªem F mo»na jednoznacznie odwzorowa na przestrze«f n n-ek uporz dkowanych:
Plan Spis tre±ci 1 Homomorzm 1 1.1 Macierz homomorzmu....................... 2 1.2 Dziaªania............................... 3 2 Ukªady równa«6 3 Zadania 8 1 Homomorzm PRZYPOMNIENIE Ka»d przestrze«wektorow
Bardziej szczegółowoZbiory i odwzorowania
Zbiory i odwzorowania 1 Sposoby okre±lania zbiorów 1) Zbiór wszystkich elementów postaci f(t), gdzie t przebiega zbiór T : {f(t); t T }. 2) Zbiór wszystkich elementów x zbioru X speªniaj cych warunek ϕ(x):
Bardziej szczegółowoZagadnienie transportowe
9//9 Zagadnienie transportowe Optymalizacja w procesach biznesowych Wykład Plan wykładu Przykład zagadnienia transportowego Sformułowanie problemu Własności zagadnienia transportowego Metoda potencjałów
Bardziej szczegółowoARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15
ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych
Bardziej szczegółowoCiaªa i wielomiany. 1 Denicja ciaªa. Ciaªa i wielomiany 1
Ciaªa i wielomiany 1 Ciaªa i wielomiany 1 Denicja ciaªa Niech F b dzie zbiorem, i niech + (dodawanie) oraz (mno»enie) b d dziaªaniami na zbiorze F. Denicja. Zbiór F wraz z dziaªaniami + i nazywamy ciaªem,
Bardziej szczegółowoOpis matematyczny ukªadów liniowych
Rozdziaª 1 Opis matematyczny ukªadów liniowych Autorzy: Alicja Golnik 1.1 Formy opisu ukªadów dynamicznych 1.1.1 Liniowe równanie ró»niczkowe Podstawow metod przedstawienia procesu dynamicznego jest zbiór
Bardziej szczegółowoZAGADNIENIE TRANSPORTOWE
ZAGADNIENIE TRANSPORTOWE ZT jest specyficznym problemem z zakresu zastosowań programowania liniowego. ZT wykorzystuje się najczęściej do: optymalnego planowania transportu towarów, przy minimalizacji kosztów,
Bardziej szczegółowoMacierze. 1 Podstawowe denicje. 2 Rodzaje macierzy. Denicja
Macierze 1 Podstawowe denicje Macierz wymiaru m n, gdzie m, n N nazywamy tablic liczb rzeczywistych (lub zespolonych) postaci a 11 a 1j a 1n A = A m n = [a ij ] m n = a i1 a ij a in a m1 a mj a mn W macierzy
Bardziej szczegółowoZagadnienia na wej±ciówki z matematyki Technologia Chemiczna
Zagadnienia na wej±ciówki z matematyki Technologia Chemiczna 1. Podaj denicj liczby zespolonej. 2. Jak obliczy sum /iloczyn dwóch liczb zespolonych w postaci algebraicznej? 3. Co to jest liczba urojona?
Bardziej szczegółowoAproksymacja funkcji metod najmniejszych kwadratów
Aproksymacja funkcji metod najmniejszych kwadratów Teoria Interpolacja polega na znajdowaniu krzywej przechodz cej przez wszystkie w zªy. Zdarzaj si jednak sytuacje, w których dane te mog by obarczone
Bardziej szczegółowoEkstremalnie fajne równania
Ekstremalnie fajne równania ELEMENTY RACHUNKU WARIACYJNEGO Zaczniemy od ogólnych uwag nt. rachunku wariacyjnego, który jest bardzo przydatnym narz dziem mog cym posªu»y do rozwi zywania wielu problemów
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 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 szczegółowoIndeksowane rodziny zbiorów
Logika i teoria mnogo±ci, konspekt wykªad 7 Indeksowane rodziny zbiorów Niech X b dzie przestrzeni zbiorem, którego podzbiorami b d wszystkie rozpatrywane zbiory, R rodzin wszystkich podzbiorów X za± T
Bardziej szczegółowoZAGADNIENIE TRANSPORTOWE(ZT)
A. Kasperski, M. Kulej BO Zagadnienie transportowe 1 ZAGADNIENIE TRANSPORTOWE(ZT) Danychjest pdostawców,którychpodażwynosi a 1, a 2,...,a p i q odbiorców,którychpopytwynosi b 1, b 2,...,b q.zakładamy,że
Bardziej szczegółowoLab. 02: Algorytm Schrage
Lab. 02: Algorytm Schrage Andrzej Gnatowski 5 kwietnia 2015 1 Opis zadania Celem zadania laboratoryjnego jest zapoznanie si z jednym z przybli»onych algorytmów sªu» cych do szukania rozwi za«znanego z
Bardziej szczegółowoArkusz maturalny. Šukasz Dawidowski. 25 kwietnia 2016r. Powtórki maturalne
Arkusz maturalny Šukasz Dawidowski Powtórki maturalne 25 kwietnia 2016r. Odwrotno±ci liczby rzeczywistej 1. 9 8 2. 0, (1) 3. 8 9 4. 0, (8) 3 4 4 4 1 jest liczba Odwrotno±ci liczby rzeczywistej 3 4 4 4
Bardziej szczegółowoWybrane poj cia i twierdzenia z wykªadu z teorii liczb
Wybrane poj cia i twierdzenia z wykªadu z teorii liczb 1. Podzielno± Przedmiotem bada«teorii liczb s wªasno±ci liczb caªkowitych. Zbiór liczb caªkowitych oznacza b dziemy symbolem Z. Zbiór liczb naturalnych
Bardziej szczegółowo1 Bª dy i arytmetyka zmiennopozycyjna
1 Bª dy i arytmetyka zmiennopozycyjna Liczby w pami ci komputera przedstawiamy w ukªadzie dwójkowym w postaci zmiennopozycyjnej Oznacza to,»e s one postaci ±m c, 01 m < 1, c min c c max, (1) gdzie m nazywamy
Bardziej szczegółowo1 Ró»niczka drugiego rz du i ekstrema
Plan Spis tre±ci 1 Pochodna cz stkowa 1 1.1 Denicja................................ 1 1.2 Przykªady............................... 2 1.3 Wªasno±ci............................... 2 1.4 Pochodne wy»szych
Bardziej szczegółowo1 Granice funkcji wielu zmiennych.
AM WNE 008/009. Odpowiedzi do zada«przygotowawczych do czwartego kolokwium. Granice funkcji wielu zmiennych. Zadanie. Zadanie. Pochodne. (a) 0, Granica nie istnieje, (c) Granica nie istnieje, (d) Granica
Bardziej szczegółowopunkcie. Jej granica lewostronna i prawostronna w punkcie x = 2 wynosz odpowiednio:
5.9. lim x x +4 f(x) = x +4 Funkcja f(x) jest funkcj wymiern, która jest ci gªa dla wszystkich x, dla których mianownik jest ró»ny od zera, czyli dla: x + 0 x Zatem w punkcie x = funkcja ta jest okre±lona
Bardziej szczegółowoZdzisªaw Dzedzej, Katedra Analizy Nieliniowej pok. 611 Kontakt:
Zdzisªaw Dzedzej, Katedra Analizy Nieliniowej pok. 611 Kontakt: zdzedzej@mif.pg.gda.pl www.mif.pg.gda.pl/homepages/zdzedzej () 5 pa¹dziernika 2016 1 / 1 Literatura podstawowa R. Rudnicki, Wykªady z analizy
Bardziej szczegółowoRównania ró»niczkowe I rz du (RRIR) Twierdzenie Picarda. Anna D browska. WFTiMS. 23 marca 2010
WFTiMS 23 marca 2010 Spis tre±ci 1 Denicja 1 (równanie ró»niczkowe pierwszego rz du) Równanie y = f (t, y) (1) nazywamy równaniem ró»niczkowym zwyczajnym pierwszego rz du w postaci normalnej. Uwaga 1 Ogólna
Bardziej szczegółowoDrzewa Gomory-Hu Wprowadzenie. Drzewa Gomory-Hu. Jakub Š cki. 14 pa¹dziernika 2009
Wprowadzenie Drzewa Gomory-Hu Jakub Š cki 14 pa¹dziernika 2009 Wprowadzenie 1 Wprowadzenie Podstawowe poj cia i fakty 2 Istnienie drzew Gomory-Hu 3 Algorytm budowy drzew 4 Problemy otwarte Wprowadzenie
Bardziej szczegółowoTwierdzenie Wainera. Marek Czarnecki. Warszawa, 3 lipca Wydziaª Filozoi i Socjologii Uniwersytet Warszawski
Twierdzenie Wainera Marek Czarnecki Wydziaª Filozoi i Socjologii Uniwersytet Warszawski Wydziaª Matematyki, Informatyki i Mechaniki Uniwersytet Warszawski Warszawa, 3 lipca 2009 Motywacje Dla dowolnej
Bardziej szczegółowoX WARMI SKO-MAZURSKIE ZAWODY MATEMATYCZNE 18 maja 2012 (szkoªy ponadgimnazjalne)
X WARMI SKO-MAZURSKIE ZAWODY MATEMATYCZNE 18 maja 2012 (szkoªy ponadgimnazjalne) Zadanie 1 Obecnie u»ywane tablice rejestracyjne wydawane s od 1 maja 2000r. Numery rejestracyjne aut s tworzone ze zbioru
Bardziej szczegółowox y x y x y x + y x y
Algebra logiki 1 W zbiorze {0, 1} okre±lamy dziaªania dwuargumentowe,, +, oraz dziaªanie jednoargumentowe ( ). Dziaªanie x + y nazywamy dodawaniem modulo 2, a dziaªanie x y nazywamy kresk Sheera. x x 0
Bardziej szczegółowoWprowadzenie do badań operacyjnych - wykład 2 i 3
Wprowadzenie do badań operacyjnych - wykład 2 i 3 Hanna Furmańczyk 14 listopada 2008 Programowanie liniowe (PL) - wszystkie ograniczenia muszą być liniowe - wszystkie zmienne muszą być ciągłe n j=1 c j
Bardziej szczegółowo1 Układy równań liniowych
II Metoda Gaussa-Jordana Na wykładzie zajmujemy się układami równań liniowych, pojawi się też po raz pierwszy macierz Formalną (i porządną) teorią macierzy zajmiemy się na kolejnych wykładach Na razie
Bardziej szczegółowo2. Układy równań liniowych
2. Układy równań liniowych Grzegorz Kosiorowski Uniwersytet Ekonomiczny w Krakowie zima 2017/2018 rzegorz Kosiorowski (Uniwersytet Ekonomiczny w Krakowie) 2. Układy równań liniowych zima 2017/2018 1 /
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 szczegółowo3. Macierze i Układy Równań Liniowych
3. Macierze i Układy Równań Liniowych Rozważamy równanie macierzowe z końcówki ostatniego wykładu ( ) 3 1 X = 4 1 ( ) 2 5 Podstawiając X = ( ) x y i wymnażając, otrzymujemy układ 2 równań liniowych 3x
Bardziej szczegółowoRozwiązanie Ad 1. Model zadania jest następujący:
Przykład. Hodowca drobiu musi uzupełnić zawartość dwóch składników odżywczych (A i B) w produktach, które kupuje. Rozważa cztery mieszanki: M : M, M i M. Zawartość składników odżywczych w poszczególnych
Bardziej szczegółowoOba zbiory s uporz dkowane liniowo. Badamy funkcj w pobli»u kresów dziedziny. Pewne punkty szczególne (np. zmiana denicji funkcji).
Plan Spis tre±ci 1 Granica 1 1.1 Po co?................................. 1 1.2 Denicje i twierdzenia........................ 4 1.3 Asymptotyka, granice niewªa±ciwe................. 7 2 Asymptoty 8 2.1
Bardziej szczegółowoMetoda simpleks. Gliwice
Sprowadzenie modelu do postaci bazowej Sprowadzenie modelu do postaci bazowej Przykład 4 Model matematyczny z Przykładu 1 sprowadzić do postaci bazowej. FC: ( ) Z x, x = 6x + 5x MAX 1 2 1 2 O: WB: 1 2
Bardziej szczegółowoVincent Van GOGH: M»czyzna pij cy li»ank kawy. Radosªaw Klimek. J zyk programowania Java
J zyk programowania JAVA c 2011 Vincent Van GOGH: M»czyzna pij cy li»ank kawy Zadanie 6. Napisz program, który tworzy tablic 30 liczb wstawia do tej tablicy liczby od 0 do 29 sumuje te elementy tablicy,
Bardziej szczegółowoARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15
ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych
Bardziej szczegółowoTeoria grafów i sieci 1 / 58
Teoria grafów i sieci 1 / 58 Literatura 1 B.Korte, J.Vygen, Combinatorial optimization 2 D.Jungnickel, Graphs, Networks and Algorithms 3 M.Sysªo, N.Deo Metody optymalizacji dyskretnej z przykªadami w Turbo
Bardziej szczegółowoZadania z z matematyki dla studentów gospodarki przestrzennej UŠ. Marek Majewski Aktualizacja: 31 pa¹dziernika 2006
Zadania z z matematyki dla studentów gospodarki przestrzennej UŠ Marek Majewski Aktualizacja: 1 pa¹dziernika 006 Spis tre±ci 1 Macierze dziaªania na macierzach. Wyznaczniki 1 Macierz odwrotna. Rz d macierzy
Bardziej szczegółowoRozdział 1 PROGRAMOWANIE LINIOWE
Wprowadzenie do badań operacyjnych z komputerem Opisy programów, ćwiczenia komputerowe i zadania. T. Trzaskalik (red.) Rozdział 1 PROGRAMOWANIE LINIOWE 1.2 Ćwiczenia komputerowe Ćwiczenie 1.1 Wykorzystując
Bardziej szczegółowo3. Wykład Układy równań liniowych.
31 Układy równań liniowych 3 Wykład 3 Definicja 31 Niech F będzie ciałem Układem m równań liniowych o niewiadomych x 1,, x n, m, n N, o współczynnikach z ciała F nazywamy układ równań postaci: x 1 + +
Bardziej szczegółowoWykªad 10. Spis tre±ci. 1 Niesko«czona studnia potencjaªu. Fizyka 2 (Informatyka - EEIiA 2006/07) c Mariusz Krasi«ski 2007
Wykªad 10 Fizyka 2 (Informatyka - EEIiA 2006/07) 08 05 2007 c Mariusz Krasi«ski 2007 Spis tre±ci 1 Niesko«czona studnia potencjaªu 1 2 Laser 3 2.1 Emisja spontaniczna...........................................
Bardziej szczegółowoBADANIA OPERACYJNE pytania kontrolne
DUALNOŚĆ 1. Podać twierdzenie o dualności 2. Jaka jest zależność pomiędzy funkcjami celu w zadaniu pierwotnym i dualnym? 3. Prawe strony ograniczeń zadania pierwotnego, w zadaniu dualnym są 4. Współczynniki
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 szczegółowoLiniowe zadania najmniejszych kwadratów
Rozdziaª 9 Liniowe zadania najmniejszych kwadratów Liniowe zadania najmniejszych kwadratów polega na znalezieniu x R n, który minimalizuje Ax b 2 dla danej macierzy A R m,n i wektora b R m. Zauwa»my,»e
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 szczegółowo