Programowanie liniowe w logistyce

Wielkość: px
Rozpocząć pokaz od strony:

Download "Programowanie liniowe w logistyce"

Transkrypt

1 Programowanie liniowe w logistyce kierunek Informatyka, studia I stopnia ćwiczenia Programowanie liniowe Modelowanie Zadanie Zapisać nast epujace zadanie w postaci zadania programowania liniowego Producent odzieży powinien określić, ile kurtek i płaszczy należy wyprodukować tak, aby zysk osiagni ety z ich sprzedaży był maksymalny Do produkcji wykorzystywany jest jeden rodzaj tkaniny Producent posiada 5 m tej tkaniny Zgodnie z zamówieniami 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 osiaga zysk 5 zł, płaszcza - 6 zł Rozwiazanie Zadania Wprowadźmy następujace oznaczenia: u - ilość wyprodukowanych kurtek, u - ilość wyprodukowanychpłaszczy Ograniczenia nałożone na zmienne u, u można zapisać następujaco: u, u,, 5u +4u 5 Funkcjonał kosztu, który należy zmaksymalizować, przyjmuje postać 5u +6u

2 Uwzględniajac więc naturalne ograniczenia nieujemności zmiennych u, u,możemy zapisać badane zagadnienie w postaci następujacego zadania programowania liniowego h( 5, 6), (u,u )i min u U = {u =(u,u ) R ; u, u u }, Zadanie Zapisać nast epujace zadanie w postaci zadania programowania liniowego Pewien wytwórca posiada magazyny z Lublinie, Łodzi i Szczecinie W magazynach tych znajduje sie odpowiednio 4, i 4 jednostek produktu Sklepy zamówiły nastepuj ace ilości produktu: Białystok - 5 jednostek, Cieszyn-, Kraków-, Sopot - 3, Warszawa - 5 Koszty transportu jednostki produktu (w zł) z magazynów do sklepów podaje nastepu- jaca tabela: Białystok Cieszyn Kraków Sopot Warszawa Lublin Łódź Szczecin Należy tak zaplanować dystrybucje produktu, by koszt transportu był minimalny Rozwiazanie Zadania W dalszym ciagu magazyny w Lublinie, Łodzi i Szczecinie oznaczaćbędziemy numerami,, 3, natomiast sklepy w Białymstoku, Cieszynie, Krakowie, Sopocie i Warszawie- numerami,, 3, 4, 5, odpowiednio Wprowadźmy także następujace oznaczenia: u i,j -ilość jednostek produktu transportowanych z i - tego magazynu do j -tegosklepu c i,j - koszt transportu jednostki produktu z i - tego magazynu do j - tego sklepu Funkcjonał kosztu, który należy zminimalizować, przyjmuje postać X 3 i= X 5 j= c i,ju i,j,

3 natomiast ograniczenia nałożone na zmienne u i,j można zapisać następujaco: X 5 j= u,j = 4 X 5 j= u,j = X 5 j= u3,j = 4 Oznaczajac więc X 3 i= ui, = 5 X 3 i= ui, = X 3 i= ui,3 = X 3 i= ui,4 = 3 X 3 i= ui,5 = 5 u =(u,,,u,5,u,,, u,5,u 3,,, u 3,5 ) R 5, c =(55, 3, 4, 5, 4, 35, 3,, 45, 6, 4, 6, 95, 35, 3) iuwzględniajac naturalne ograniczenie nieujemności zmiennych, możemy zapisać rozważane zadanie w postaci następujacego zadania programowania liniowego hc, ui min u U = {u R 5 ; u, u = 3 5 Zadanie 3 Zapisać nast epujace zadanie w postaci zadania programowania liniowego 3

4 Wytwórca mebli powinien określić, ile stoł ów, krzeseł, biurek i szaf powinien wyprodukować, by zysk z ich sprzedaży był maksymalny Do produkcji wykorzystywane sa dwa typy desek Wytwórca posiada 5 m desek I typu i m-desekiitypuorazdysponuje kapitałem 86 godzin roboczych na wykonanie zaplanowanej produkcji Ze złożonych zamówieńwynika,że należy wyprodukowaćconajmniej 4 stołów, 3 krzeseł, 3 biurek i nie wiecej niż szaf Do produkcji każdego stołu, krzesła, biurka i szafy potrzeba odpowiednio 5,, 9, m desek I typu i, 3, 4, m desek II typu Na wykonanie stołu potrzeba3 godzin pracy, krzesła - godzin, biurka - 5 godzin, szafy - godzin Ze sprzedaży jednego stołu, krzesła, biurka i szafy wytwórca osiaga zysk odpowiednio 5,, 6 i 4 zł Rozwiazanie Zadania 3 Wprowadźmy następujace oznaczenia: u - ilość stołów u - ilość krzeseł u 3 - ilość biurek u 4 - ilość szaf Funkcjonał kosztu, który należy zmaksymalizować, przyjmuje postać 5u +u +6u 3 +4u 4 max Ograniczenia nałożone na zmienne u,, u 4 można zapisać następujaco: 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, uwzględniajac naturalne ograniczenia nieujemności zmiennych u,, u 4,możemy 4

5 zapisać badane zagadnienie w postaci następujacego zadania programowania liniowego h( 5,, 6, 4), (u,u,u 3,u 4 )i min u 3 5 u U = {u =(u,, u 4 ) R 4 u ; u, 86 u 3 4 } 3 u 4 3 Zadanie 4 Zapisać nast epujace zadanie w postaci zadania programowania liniowego 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: I i II Śniadanie powinno zawierać co najmniej mg witaminy B, mg żelaza i mieć wartość energetycznarówn a 36 kcal gpłatków I rodzaju zawiera, mg witaminy B, mg żelaza i ma wartość energetycznarówn a 368 kcal, natomiast gpłatków II rodzaju zawiera, 5 mg witaminy B, mg żelaza i ma wartość energetyczn arówn a 39 kcal Ponadto gpłatków I rodzaju kosztuje 3 gr, a gpłatków II rodzaju - 36 gr Rozwiazanie Zadania 4 Wprowadźmy następujace oznaczenia: u - ilość płatków I rodzaju ( gramowych porcji) u - ilość płatków II rodzaju ( gramowych porcji) Funkcjonał kosztu, który należy zminimalizować jest postaci 3u +36u, natomiast ograniczenia można zapisać wpostacinastępujacych nierówności irówności, u +, 5u, u +u, 368u +39u = 36 5

6 Po uwzględnieniu naturalnych ograniczeń nieujemności zmiennych u, u otrzymujemy następujace zadanie programowania liniowego h(3, 36), (u,u )i min u U = {u =(u,u ) R ; u,,, 5 u, u h i u u = [36]} Zadanie 5 Zapisać nast epujace zadanie w postaci zadania programowania liniowego Dyrektor pewnego przedsiebiorstwa powinien obsadzić trzy stanowiska pracy, majac do dyspozycji trzech pracowników Ze wzgledu na różne ich kwalifikacje oraz zdobyte doświadczenie, wartość (dlaprzedsi ebiorstwa) każdego z tych pracowników zależy od stanowiska, na którym jest on zatrudniony Poniższa tabela zawiera oceny wartości pracowników zatrudnionych na poszczególnych stanowiskach Stanowisko I Stanowisko II Stanowisko III Pracownik A Pracownik B Pracownik C 8 Należy tak rozmieścić pracowników na rozważanych stanowiskach, by całkowita ich wartość dla przedsiebiorstwa była maksymalna Zakładamy, że każdy pracownik powinien być zatrudniony łacznie na jeden etat i każdemu stanowisku powinien być przypisany jeden etat Rozwiazanie Zadania 5 Symbolem u i,j oznaczać będziemy część etatu, na jaka należy zatrudnić i - tego pracownika na j -tym stanowisku zagadnienia, który należy zmaksymalizować, ma następujac a postać Funkcjał kosztu dla tego 5u, +4u, +7u,3 +6u, +7u, +3u,3 +8u 3, +u 3, +u 3,3, 6

7 zaś ograniczenia sanastępuj ace: u, + u, + u,3 =, u, + u, + u,3 =, u 3, + u 3, + u 3,3 =, u, + u, + u 3, =, u, + u, + u 3, =, u,3 + u,3 + u 3,3 = Uwzględniajac zatem naturalne ograniczenia nieujemności zmiennych u i,j,możemy badane zagadnienie zapisać w postaci następujacego zadania programowania liniowego h( 5, 4, 7, 6, 7, 3, 8,, ), (u,,,u,3,u,,, u,3,u 3,,, u 3,3 )i min u U = {u =(u,,, u,3,u,,, u,3,u 3,,, u 3,3 ) R 9 ; u, u, u, u,3 u, u, u,3 u 3, u 3, u 3,3 = } Zadanie 6 Zapisać nast epujace zadanie w postaci zadania programowania liniowego Producentfarbmusiokreślić, ile litrów farby białej, zielonej, niebieskiej i czerwonej powinien wyprodukować, aby zysk osiagni etyzesprzedaży był maksymalny Do produkcji wykorzystywane sa 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 conajmniej 5 litrów farby białej, 7

8 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 epujacej tabeli (w litrach) biała zielona niebieska czerwona A,3,6,35,5 B,5,,45,55 C,45,,,3 Ponadto, wyprodukowanie litra każdej farby wymaga 5 minut pracy Zysk ze sprzedaży litra farby białej wynosi 7 zł, zielonej-6 zł, niebieskiej - 7 zł, czerwonej-5 zł Rozwiazanie Zadania 6 Symbolem u, u, u 3 oznaczaćbędziemy odpowiednio ilość (w litrach) farby białej, zielonej, niebieskiej i czerwonej, która należy wyprodukować Funkcjał kosztu dla tego zagadnienia, który należy zmaksymalizować, ma następujac a postać zaś ograniczenia sanastępuj ace: 7u +6u +7u 3 +5u 4, u 5, u 35, u 3 5, u 4 75,, 3u +, 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 Uwzględniajac zatem standardowe ograniczenia nieujemności zmiennych u i,możemy badane zagadnienie zapisać w postaci następujacego zadania programowania liniowego w postaci 8

9 podstawowej h( 7, 6, 7, 5), (u,, u 4 )i min u U = {u =(u,, u 4 ) R 4 ; u,, 3, 6, 35, 5, 5,, 45, 55, 45,,, 3, 5, 5, 5, 5 u u u 3 u } Zadanie 7 Zapisać nast epujace zadanie w postaci zadania programowania liniowego Hodowca krowy karmi zwierze produktami pochodzacymi z gospodarstwa rolnego Jednak ze wzgledu na konieczność zapewnienia w diecie odpowiednich ilości pewnych składników odżywczych (oznaczmy je przez A, B, C) hodowca musi zakupić raz w roku trzy dodatkowe produkty (oznaczmy je przez I,II,III), które zawieraja teskładniki Jeden kilogram produktu I zawiera 63 g składnika A i 9 g składnika B, jeden kilogram produktu II zawiera 4 g składnika B i 8 g składnika C, zaś jeden kilogram produktu III zawiera 5 g składnika A i 5 g składnika C Minimalne zapotrzebowanie zwierzecia na poszczególne składniki wynosi: 87 g składnika A, g składnika B, 45 g składnika C Każdy z produktów zawiera jednak pewne ilości szkodliwych środków konserwujacych I tak, kg produktu I zawiera 7 g tych środków, produktu II - g, produktu III - 9 g Roczne spożycie tych środków nie powinno być wieksze niż 5 g Przyjmijmy na koniec, 9

10 że kg produktu I kosztuje 35 zł, produktuii - 9 zł, aproduktuiii - 9 zł Celem hodowcy jest ustalenie ilości kupowanych produktów I,II,III tak, aby zapewnićzwierz eciu właściwadiet eijednocześnie ponieść możliwie najmniejsze koszty Równoważność zadań Zadanie 8 Zapisać zadanie o stolarzu w postaci kanonicznego zadania programowania liniowego Rozwiazanie Odpowiednie zadanie kanoniczne jest następujace: h( 5,, 6, 4,,, ), (u,u,u 3,u 4,u 5,,u )i min u U = {u =(u,,u ) R ; u, Zadanie 9 Zapisać nast epujace zadanie programowania liniowego u u 5 86 = } 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

11 Zadanie Zapisać zadanie ogólne J(u) =u +u +3u 3 min w postaci zadania kanonicznego u U = {u =(u,u,u 3 ) R 3 ; u, u +u +3u 3, u + u +3u 3 u + 3 u + 4 u3 =} Zadanie Zapisać zadanie o diecie w postaci kanonicznego zadania programowania liniowego Rozwiazanie Odpowiednie zadanie kanoniczne jest następujace: h(,, 3, 36), (v,v,u,u )i min z Z = {z =(v,v,u,u ) R 4 ; z, v [368]u + [39]u = [36]} =,, 5 {z =(z,, z 4 ) R 4 ;(z,, z 4 ), v +, u +, 5 u = 5 z z z 3 z 4 = } 36, Zadanie Zapisać zadanie ogólne J(u) =3u +5u +7u 3 +9u 4 min w postaci zadania kanonicznego 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 =, u + 4 u4 = }

12 3 Interpretacja geometryczna zadań programowania liniowego Zadanie 3 Rozwiazać w sposób geometryczny nastepuj ace zadanie: J(u) =u + u min Rozwiazanie u U = {u =(u,u ) R ; u, u u, u u, u + u, u 3} Zadanie 4 Rozwiazać w sposób geometryczny nastepuj ace zadanie: J(u) = u + u min u U = {u =(u,u ) R ; u, u u, u + u, u +u, u u 5}

13 Rozwiazanie Zadanie 5 Rozwiazać w sposób geometryczny nastepuj ace zadanie: J(u) =u u min u U = {u =(u,u ) R ; u, u + u, u u } Zadanie 6 Rozwiazać w sposób geometryczny nastepuj ace zadanie: J(u) = u u min u U = {u =(u,u ) R ; u, u + u, 3 u u = } Zadanie 7 Rozwiazać w sposób geometryczny nastepuj ace zadanie Wpewnymzakładziewytwarzanes aproduktyaibdoprodukcjikażdego z nich wykorzystywana jest praca trzech maszyn: M, M, M3 Maszyna M może być wykorzystana przez 4 minut, M - 4 minut, M3-7 minut Poniższa tabela podaje czas pracy każdej maszyny potrzebny do wyprodukowania jednostki każdego produktu 3

14 A B M 3 6 M 8 4 M3 9 3 Zysk ze sprzedaży jednostki produktu A wynosi 9 zł, B-6 zł Należy zaplanować produkcje tak,byzyskzesprzedaży był maksymalny Zadanie 8 Rozwiazać w sposób geometryczny nastepuj ace zadanie: J(u) = u 3u u 4 3u 5 min u U = {u =(u,u,u 3,u 4,u 5 ) R 5 ; u, u +u 4 +3u 5 =5, u + u 3 + u 4 +5u 5 =, u + u +u 4 + u 5 =} Rozwiazanie Rozważamy zadanie pomocnicze postaci D E c, A b A Au + c, u min gdzie u {u R ; u, A Au A b}, 3 5 c =(, 3, ), A =, A = 5, b = Ze wzoru na macierz odwrotna D do macierzy nieosobliwej D: D = det D [( )i+j D ij ] T (tutaj D ij jest wyznacznikiem macierzy powstałej z macierzy D przez skreslenie i-tego wiersza i j-tej kolumny) wynika, że A = 4

15 Awi ec zadanie pomocnicze jest postaci (, 3, ), (5, 5, ) (u 4 +3u 5, u 5, 3u 4 u 5 ) + (, 3), (u 4,u 5 ) = (, 6), (u 4,u 5 ) min 3 u {u =(u 4,u 5 ) R ; u, u } Rozwiazuj ac powyższe zadanie w sposób graficzny, stwierdzamy, że jego rozwiazaniem jest punkt u =( 5 7, 5 7 ) W konsekwencji, rozwiazaniem zadania wyjściowego jest punkt u =(A b A Au, u )=(, 5 7,, 5 7, 5 7 ) Zadanie 9 Rozwiazać w sposób geometryczny nastepuj ace zadanie: J(u) = u u + u 3 min u U = {u =(u,u,u 3,u 4,u 5 ) R 5 ; u, 3u u +u 3 u 4 +3u 5 =38, u + u +3u 4 u 5 =3, u u + u 3 =4} 4 Punkty wierzchołkowe Zadanie Znaleźć, w oparciu o twierdzenie, punkty wierzchołkowe zbioru U = {u =(u,u ) R ; u, 3 u + u =} 5

16 Zadanie 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 = Niech j =, j = Kolumny A =, A = sa liniowo niezależne Ponadto, rozwiazaniem układu A v + A v = b, czyli v + v =3 v v = jest para v =, v = Zatem punkt v =(,,, ) jest nieosobliwym punktem wierzchołkowym zbioru U zbaza A, A Niech j =, j =3 Kolumny A =, A 3 = 3 sa liniowo niezależne Ponadto, rozwiazaniem układu A v + A 3 v 3 = b, czyli v +3v 3 =3 v + v 3 = jest para v =, v 3 = Zatem punkt v =(,,, ) jest osobliwym punktem wierzchołkowym zbioru U zbaza A, A 3 3 Niech j =, j =4 Kolumny A =, A 4 = sa liniowo niezależne Ponadto, rozwiazaniem układu A v + A 4 v 4 = b, 6

17 czyli v + v 4 =3 v +v 4 = jest para v =5, v 4 = < Zatem kolumny A, A 4 nie sabaz adlażadnego punktu wierzchołkowego 4 Niech j =, j =3 Kolumny A =, A 3 = 3 sa liniowo niezależne Ponadto, rozwiazaniem układu A v + A 3 v 3 = b, czyli v +3v 3 =3 v + v 3 = jest para v =, v 3 = Zatem punkt v =(,,, ) jest osobliwym punktem wierzchołkowym zbioru U zbaza A, A 3 5 Niech j =, j =4KolumnyA =, 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, 3 v4 = 4 Zatem punkt v =(, 5,, 4 ) jest nieosobliwym punktem wierzchołkowym zbioru U zbaza A, A 4 6 Niech j =3, j =4 Kolumny A 3 = 3, A 4 = sa liniowo niezależne Ponadto, rozwiazaniem układu A 3 v 3 + A 4 v 4 = b, czyli 3v 3 + v 4 =3 v 3 +v 4 = 7

18 jest para v 3 =, v 4 = Zatem punkt v =(,,, ) jest osobliwym punktem wierzchołkowym zbioru U zbaza A 3, A 4 Zadanie Znaleźć punkty wierzchołkowe zbioru U = {u =(u,u,u 3,u 4 ) R 4 ; u, u + u 4 =, u + u 4 =3, 3u 3 =} iwskazaćichbazyrozwi azanie Łatwo widać, że rank =3 3 Niech j =, j =, j 3 =3 Kolumny A =, A =, A 3 = 3 sa liniowo niezależne (można to sprawdzić, korzystajac zpojęcia wyznacznika macierzy) Ponadto, rozwiazaniem układu A v + A v + A 3 v 3 = b, czyli v = v =3 3v 3 = jest "trójka" v =, v = 9, 6 v3 = Zatem punkt v =(, 9,, ) jest 6 osobliwym punktem wierzchołkowym zbioru U zbaza A, A, A 3 Niech j =, j =, j 3 =4 Kolumny A =, A =, A 4 = sa liniowo zależne (można to sprawdzić, korzystajac zpojęcia wyznacznika macierzy) Zatem nie sa one baza żadnego punktu wierzchołkowego zbioru U 8

19 3 Niech j =, j =3, j 3 =4KolumnyA =, A 3 =, A 4 = salin- iowo niezależne (możnatosprawdzić, korzystajac zpojęcia wyznacznika 3 macierzy) Ponadto, rozwiazaniem układu A v + A 3 v 3 + A 4 v 4 +=b, czyli v + v 4 = v 4 =3 3v 3 = jest "trójka" v = 3 <, v 3 =, v 4 =3 Zatem kolumny A, A 3, A 4 nie sabaz a żadnego punktu wierzchołkowego 4 Niech j =, j =3, j 3 =4Niechj =, j =3, j 3 =4KolumnyA =, A 3 =, A 4 = sa liniowo niezależne (możnatosprawdzić, korzystaj ac z 3 pojęcia wyznacznika macierzy) Ponadto, rozwiazaniem układu A v + A 3 v 3 + A 4 v 4 +=b, czyli 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 zbaza A, A 3, A 4 9

20 Zadanie 3 Znależć 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 4 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 Niech j =, j = Kolumny A =, A = s a liniowo niezależne (możnatosprawdzić, korzystajac z definicji liniowej niezależności wektorów) Ponadto, rozwiazaniem układu czyli A v + A v = b, v + v = v =9 v +v =9 jest para v = 9 <, v =9 Zatem kolumny A, A nie sabaz adlażadnego punktu wierzchołkowego Niech j =, j =3 Kolumny A =, A 3 = 3 s a liniowo niezależne (możnatosprawdzić, korzystajac zdefinicji liniowej niezależności 7 wektorów)

21 Ponadto, rozwiazaniem układu A v + A 3 v 3 = b, czyli v +v 3 = v +3v 3 =9 v +7v 3 =9 jest para v = >, 5 v3 = 9 > Zatem punkt v 5 =(,, 9 ) jest nieosobliwym 5 5 punktem wierzchołkowym zbioru U zbaza A, A 3 3 Niech j =, j =3 Kolumny A =, A 3 = 3 s a liniowo niezależne 7 (możnatosprawdzić, 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 jest para v =4>, v 3 =3> Zatem punkt v =(, 4, 3) jest nieosobliwym punktem wierzchołkowym zbioru U zbaza A, A 3 5 Metoda sympleksowa Zadanie 5 Utworzyć tablic esympleksow adlazadania 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 =}

22 ipunktuwierzchołkowego v =( 33 5, 7 5,, ) Zadanie 6 Rozwiazać metod asympleksow a zadanie J(u) =u +u +3u 3 +4u 4 min u U = {u =(u,u,u 3,u 4 ) R 4 ; u, startujac z punktu wierzchołkowego u + u +3u 3 + u 4 =3, u u + u 3 +u 4 =}, v =(,,, ) Rozwiazanie Łatwo widać, że r = ranka = i w konsekwencji współrzednymi bazowymi punktu v sa dwie pierwsze współrzedne Zgodnie z przyj etymi wcześniej oznaczeniami mamy u =(u,u ), v =(, ), c =(, ), B = Zatem B = T =, skad γ,3 = B A 3 =, oraz γ,3 γ,4 γ,4 = B A 4 = 3 3 = c, B A 3 c3 =, 4 = c, B A 4 c4 = 7 Tablica sympleksowa dla punktu v =(,,, ) jest wiec postaci u u u 3 u 4 u 3 u 7 4

23 Łatwo widać, że dla powyższej tablicy zachodzi przypadek 3 Mamy 3 > skad I 3 = {i {, }; γ i,3 > } = {, }, min i I 3 v i γ i,3 =min{, } = Zatem k =3, s =(elementem rozwiazujacym tablicy sympleksowej jest γ,3 =) Baza kolejnego punktu wierzchołkowego bedzie układ kolumn A,A 3 Korzystajac z twierdzenia charakteryzujacego punkty wierzchołkowe znajdujemy kolejny punkt wierzchołkowy w: skad w =(,,, ) Ponadto, B = w + 3 w 3 = 3, 3 B = 4 3 i w konsekwencji T 4 4 = 3 4 4, skad oraz γ, γ 3, γ,4 γ 3,4 = B A = = B A 4 = , = c, B A c =, 4 = c, B A 4 c4 = 7 4 3

24 Tablica sympleksowa dla punktu w =(,,, ) jest wiec postaci u u u 3 u 4 u 5 4 u Łatwo widać, że dla powyższej tablicy zachodzi przypadek, co oznacza, że punkt w = (,,, ) jest rozwiazaniem zadania Zadanie 7 Rozwiazać metod asympleksow a zadanie 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 =}, startuj ac z punktu wierzchołkowego ν =(,,, ), wiedz ac, że jego baz a jestukład kolumn, 4 Zadanie 8 Zapisać zadanie 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 =} w postaci zadania kanonicznego, rozwiazać tak otrzymane zadanie metodasympleksow a, anast epnie podać rozwiazanie zadania wyjściowego Zadanie 9 Rozwiazać metod asympleksow a zadanie 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 =}, 4

25 startujac z punktu wierzchołkowego v =(, 5 3,, 4 3 ) Zadanie 3 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 z = 3 } Widać, że b = Punkt z = (,b) = (,,,, 3, ) jest punktem wierz- chołkowym zbioru Z zbaza C 5 =, C 6 = Zastosujmy więc do zadania pomocniczego metodę sympleksow a W tym przypadku r =, j =5, j =6, z =(u 5,u 6 ), v =(3, ), c =(, ), B = Zatem B =, skad γ 5, γ 6, = B C = C =, γ 5, γ 6, = B C = C =, 5

26 γ 5,3 = B C 3 = C 3 = 3, oraz γ 6,3 γ 5,4 γ 6,4 = B C 4 = C 4 = = c, B C c = h(, ), (, )i =, = c, B C c = h(, ), (, )i =, 3 = c, B A 3 c3 = h(, ), (3, )i =4, 4 = c, B A 4 c4 = h(, ), (, )i =3 Tablica sympleksowa dla punktu v =(,,,, 3, ) jest więc postaci u u u 3 u 4 u 5 u 6 u u Dla powyższej tablicy zachodzi przypadek 3 Mamy skad > I v, = {j i {5, 6}; γ ji, > } = {5, 6}, min v ji j i I v, γ ji, =min{ 3, } = Zatem k =, j s =6(elementem rozwiazujacym tablicy sympleksowej jest γ 6, =) Baza kolejnego punktu wierzchołkowego będzie układ kolumn C,C 5 Korzystajac z twierdzenia charakteryzujacego punkty wierzchołkowe znajdujemy kolejny punkt wierzchołkowy w: w + w 5 = 3, 6

27 skad w =(,,,,, ) Ponadto, B = B = i w konsekwencji T =, skad γ, γ 5, = B C =, γ,3 = B C 3 =, γ 5,3 γ,4 = B C 4 =, oraz γ 5,4 γ,6 γ 5,6 = B C 6 = = h(, ), (, )i =, 3 = h(, ), (, )i =, 4 = h(, ), (, )i =, 6 = h(, ), (, )i = Tablica sympleksowa dla punktu w =(,,,,, ) jest więc postaci u u u 3 u 4 u 5 u 6 u u 5 Dla powyższej tablicy zachodzi przypadek 3 Mamy > 7

28 skad I v, = {j i {, 5}; γ ji, > } = {5}, min v ji j i I v, γ ji, =min{ } = Zatem k =, j s =5(elementem rozwiazuj acym tablicy sympleksowej jest γ 5, =) Baza kolejnego punktu wierzchołkowego będzie układ kolumn C,C Korzystajac z twierdzenia charakteryzujacego punkty wierzchołkowe znajdujemy kolejny punkt wierzchołkowy w: w + skad w =(,,,,, ) Ponadto, B = B = w = 3, T i w konsekwencji =, skad γ,3 γ,3 = B C 3 =, γ,4 = B C 4 = 3, oraz γ,4 γ,5 γ,5 γ,6 γ,6 = B C 5 = = B C 6 =, 3 = h(, ), (, )i =, 8

29 4 = (, ), ( 3 À, ) =, 5 = (, ), (, À ) =, 6 = (, ), ( À, ) = Tablica sympleksowa dla punktu w =(,,,,, ) jest więc postaci u u u 3 u 4 u 5 u 6 u 3 u Dla powyższej tablicy zachodzi przypadek Ponieważ J (,,,,, ) =, więc zbiór U jest niepusty Ponadto, ponieważ punkt z =(,,,,, ) jest rozwiazaniem zadania pomocniczego, więc punkt v =(,,, ) jest punktem wierzchołkowym zbioru U Zadanie 3 Kontrprzykład do stwierdzenia: jeśli v jest rozwiazaniem zadania, to i dla dowolnego i =,,n J(u,u,u 3 )=u + u min U = {u =(u,, u 3 ) R 3 ; u, u = } Oczywiście (,, ) jest punktem wierzchołkowym zbioru U zbaza 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, 9

30 ponieważ oraz γ,3 γ,3 = B A 3 = = 3 = h(, ), (, )i = Zauważmy dalej, że dla powyższej tablicy zachodzi przypadek 3 Łatwo widać, że k = 3, j s = W zwiazku z tym bazanowegopunktuwierzchołkowego jest układ A, A 3 Tym punktem wierzchołkowym jest punkt (,, ) Teraz tablica sympleksowa dla punktu (,, ) jest postaci ponieważ oraz u u u 3 u u 3 γ, = B A = = γ 3, = h(, ), (, )i =, co oznacza, że ma miejsce przypadek Zatem punkt (,, ) jest rozwiazaniem zadania/, Zadanie 3 Rozważmy zadanie J(u) =u +3u 5u 3 + u 4 3u 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 tablic esympleksow adlapunkuwierzchołkowego v =(,,, 3, ), wiedz ac, że współrzednymi bazowymi tego punktu sawspółrz edne v, v 4 Czypunktv jest rozwiazaniem zadania? Odpowiedź uzasadnić 3

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

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

Badania operacyjne. 1 Programowanie liniowe. kierunek Informatyka, studia II stopnia ćwiczenia. 1.1 Modelowanie Badania operacyjne kierunek Informatyka studia II stopnia ćwiczenia Programowanie liniowe Modelowanie Zadanie Producent odzieży powinien określić ile kurtek i płaszczy należy wyprodukować tak aby zysk

Bardziej 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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Wstęp do metod numerycznych Uwarunkowanie Eliminacja Gaussa. P. F. Góra

Wstęp do metod numerycznych Uwarunkowanie Eliminacja Gaussa. P. F. Góra Wstęp do metod numerycznych Uwarunkowanie Eliminacja Gaussa P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2012 Uwarunkowanie zadania numerycznego Niech ϕ : R n R m będzie pewna funkcja odpowiednio wiele

Bardziej 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

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

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

Działania na przekształceniach liniowych i macierzach

Działania na przekształceniach liniowych i macierzach Działania na przekształceniach liniowych i macierzach Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 5 wykład z algebry liniowej Warszawa, listopad 2013 Mirosław Sobolewski (UW) Warszawa,

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

Wyk lad 11 Przekszta lcenia liniowe a macierze

Wyk lad 11 Przekszta lcenia liniowe a macierze Wyk lad 11 Przekszta lcenia liniowe a macierze 1 Izomorfizm przestrzeni L(V ; W ) i M m n (R) Twierdzenie 111 Niech V i W bed a przestrzeniami liniowymi o bazach uporzadkowanych (α 1,, α n ) i (β 1,, β

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

Wyk lad 13 Funkcjona ly dwuliniowe

Wyk lad 13 Funkcjona ly dwuliniowe 1 Izomorfizmy kanoniczne Wyk lad 13 Funkcjona ly dwuliniowe Definicja 13.1. Niech V i W bed przestrzeniami liniowymi. Funkcje ξ : V W R nazywamy funkcjona lem dwuliniowym, jeżeli i a,b R α,β V γ W ξa α

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

Obliczenia naukowe Wykład nr 8

Obliczenia naukowe Wykład nr 8 Obliczenia naukowe Wykład nr 8 Paweł Zieliński Katedra Informatyki, Wydział Podstawowych Problemów Techniki, Politechnika Wrocławska Literatura Literatura podstawowa [] D. Kincaid, W. Cheney, Analiza numeryczna,

Bardziej 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

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

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

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

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

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

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

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

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

Wyk lad 4 Macierz odwrotna i twierdzenie Cramera

Wyk lad 4 Macierz odwrotna i twierdzenie Cramera Wyk lad 4 Macierz odwrotna i twierdzenie Cramera 1 Odwracanie macierzy I n jest elementem neutralnym mnożenia macierzy w zbiorze M n (R) tzn A I n I n A A dla dowolnej macierzy A M n (R) Ponadto z twierdzenia

Bardziej 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

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

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

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

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

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

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

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

Modele i narzędzia optymalizacji w systemach informatycznych zarządzania

Modele i narzędzia optymalizacji w systemach informatycznych zarządzania Przedmiot: Nr ćwiczenia: 3 Modele i narzędzia optymalizacji w systemach informatycznych zarządzania Temat: Programowanie dynamiczne Cel ćwiczenia: Formułowanie i rozwiązywanie problemów optymalizacyjnych

Bardziej szczegółowo

Rozwiązanie Ad 1. Model zadania jest następujący:

Rozwiązanie 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 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

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

Programowanie liniowe całkowitoliczbowe. Tadeusz Trzaskalik

Programowanie liniowe całkowitoliczbowe. Tadeusz Trzaskalik Programowanie liniowe całkowitoliczbowe Tadeusz Trzaskalik .. Wprowadzenie Słowa kluczowe Rozwiązanie całkowitoliczbowe Założenie podzielności Warunki całkowitoliczbowości Czyste zadanie programowania

Bardziej szczegółowo

13 Układy równań liniowych

13 Układy równań liniowych 13 Układy równań liniowych Definicja 13.1 Niech m, n N. Układem równań liniowych nad ciałem F m równaniach i n niewiadomych x 1, x 2,..., x n nazywamy koniunkcję równań postaci a 11 x 1 + a 12 x 2 +...

Bardziej 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

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

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

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

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

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

Rozdział 5. Macierze. a 11 a a 1m a 21 a a 2m... a n1 a n2... a nm

Rozdział 5. Macierze. a 11 a a 1m a 21 a a 2m... a n1 a n2... a nm 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 F

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

Programowanie liniowe

Programowanie liniowe Programowanie liniowe 1 Wstęp Programowanie liniowe jest jednym z działów teorii zadań ekstremalnych. Podstawy programowania liniowego stworzył Kantorowicz w latach 30-tych ubiegłego stulecia. Przedmiotem

Bardziej szczegółowo

Wyk lad 7 Baza i wymiar przestrzeni liniowej

Wyk lad 7 Baza i wymiar przestrzeni liniowej Wyk lad 7 Baza i wymiar przestrzeni liniowej 1 Baza przestrzeni liniowej Niech V bedzie przestrzenia liniowa. Powiemy, że podzbiór X V jest maksymalnym zbiorem liniowo niezależnym, jeśli X jest zbiorem

Bardziej 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

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

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

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

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

Rozwiązywanie układów równań liniowych

Rozwiązywanie układów równań liniowych Rozwiązywanie układów równań liniowych Marcin Orchel 1 Wstęp Jeśli znamy macierz odwrotną A 1, to możęmy znaleźć rozwiązanie układu Ax = b w wyniku mnożenia x = A 1 b (1) 1.1 Metoda eliminacji Gaussa Pierwszy

Bardziej 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 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

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

Algebra liniowa z geometrią

Algebra liniowa z geometrią Algebra liniowa z geometrią Maciej Czarnecki 15 stycznia 2013 Spis treści 1 Geometria płaszczyzny 2 1.1 Wektory i skalary........................... 2 1.2 Macierze, wyznaczniki, układy równań liniowych.........

Bardziej 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

Przestrzeń unitarna. Jacek Kłopotowski. 23 października Katedra Matematyki i Ekonomii Matematycznej SGH

Przestrzeń unitarna. Jacek Kłopotowski. 23 października Katedra Matematyki i Ekonomii Matematycznej SGH Katedra Matematyki i Ekonomii Matematycznej SGH 23 października 2018 Definicja iloczynu skalarnego Definicja Iloczynem skalarnym w przestrzeni liniowej R n nazywamy odwzorowanie ( ) : R n R n R spełniające

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

Badania Operacyjne. 1 Programowanie liniowe. kierunek Informatyka, studia II stopnia. wyklad. 1.1 Modelowanie

Badania Operacyjne. 1 Programowanie liniowe. kierunek Informatyka, studia II stopnia. wyklad. 1.1 Modelowanie Badania Operacyjne kierunek Informatyka, studia II stopnia wyklad 1 Programowanie liniowe Programowanie liniowe jest jednym z działów teorii zadań ekstremalnych i głównym nurtem badań operacyjnych Podstawy

Bardziej szczegółowo

5. Rozwiązywanie układów równań liniowych

5. Rozwiązywanie układów równań liniowych 5. Rozwiązywanie układów równań liniowych Wprowadzenie (5.1) Układ n równań z n niewiadomymi: a 11 +a 12 x 2 +...+a 1n x n =a 10, a 21 +a 22 x 2 +...+a 2n x n =a 20,..., a n1 +a n2 x 2 +...+a nn x n =a

Bardziej szczegółowo

Wyk lad 9 Przekszta lcenia liniowe i ich zastosowania

Wyk lad 9 Przekszta lcenia liniowe i ich zastosowania Wyk lad 9 Przekszta lcenia liniowe i ich zastosowania 1 Przekszta lcenia liniowe i ich w lasności Definicja 9.1. Niech V i W bed przestrzeniami liniowymi. Przekszta lcenie f : V W spe lniajace warunki:

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

15. Macierze. Definicja Macierzy. Definicja Delty Kroneckera. Definicja Macierzy Kwadratowej. Definicja Macierzy Jednostkowej

15. Macierze. Definicja Macierzy. Definicja Delty Kroneckera. Definicja Macierzy Kwadratowej. Definicja Macierzy Jednostkowej 15. Macierze Definicja Macierzy. Dla danego ciała F i dla danych m, n IN 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

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

Standardowe zadanie programowania liniowego. Gliwice 1

Standardowe zadanie programowania liniowego. Gliwice 1 Standardowe zadanie programowania liniowego 1 Standardowe zadanie programowania liniowego Rozważamy proces, w którym zmiennymi są x 1, x 2,, x n. Proces poddany jest m ograniczeniom, zapisanymi w postaci

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

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

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

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

RACHUNEK MACIERZOWY. METODY OBLICZENIOWE Budownictwo, studia I stopnia, semestr 6. Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska

RACHUNEK MACIERZOWY. METODY OBLICZENIOWE Budownictwo, studia I stopnia, semestr 6. Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska RACHUNEK MACIERZOWY METODY OBLICZENIOWE Budownictwo, studia I stopnia, semestr 6 Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Czym jest macierz? Definicja Macierzą A nazywamy

Bardziej szczegółowo

Własności wyznacznika

Własności wyznacznika Własności wyznacznika Rozwinięcie Laplace a względem i-tego wiersza: n det(a) = ( 1) i+j a ij M ij (A), j=1 gdzie M ij (A) to minor (i, j)-ty macierzy A, czyli wyznacznik macierzy uzyskanej z macierzy

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

Definicja macierzy Typy i właściwości macierzy Działania na macierzach Wyznacznik macierzy Macierz odwrotna Normy macierzy RACHUNEK MACIERZOWY

Definicja macierzy Typy i właściwości macierzy Działania na macierzach Wyznacznik macierzy Macierz odwrotna Normy macierzy RACHUNEK MACIERZOWY Transport, studia niestacjonarne I stopnia, semestr I Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Adam Wosatko Ewa Pabisek Czym jest macierz? Definicja Macierzą A nazywamy funkcję

Bardziej szczegółowo

Zad.1. Microsoft Excel - Raport wyników Komórka Nazwa Warto pocz tkowa Warto cowa Komórka Nazwa Warto pocz tkowa Warto cowa Komórka Nazwa Warto

Zad.1. Microsoft Excel - Raport wyników Komórka Nazwa Warto pocz tkowa Warto cowa Komórka Nazwa Warto pocz tkowa Warto cowa Komórka Nazwa Warto Zad.1. Przedsiębiorstwo może wytwarzać trzy typy maszyn: tokarki, piły, frezarki zużywając dwa ograniczone zasoby: energię elektryczną i siłę roboczą w następujących proporcjach: energia (KWH / jedn.)

Bardziej szczegółowo

Wyk lad 9 Baza i wymiar przestrzeni liniowej

Wyk lad 9 Baza i wymiar przestrzeni liniowej Wyk lad 9 Baza i wymiar liniowej Baza liniowej Niech V bedzie nad cia lem K Powiemy, że zbiór wektorów {α,, α n } jest baza V, jeżeli wektory α,, α n sa liniowo niezależne oraz generuja V tzn V = L(α,,

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

Metoda eliminacji Gaussa. Autorzy: Michał Góra

Metoda eliminacji Gaussa. Autorzy: Michał Góra Metoda eliminacji Gaussa Autorzy: Michał Góra 9 Metoda eliminacji Gaussa Autor: Michał Góra Przedstawiony poniżej sposób rozwiązywania układów równań liniowych jest pewnym uproszczeniem algorytmu zwanego

Bardziej szczegółowo