Obecná úloha lineárního programování

Podobné dokumenty
Učební texty k státní bakalářské zkoušce Matematika Základy lineárního programování. študenti MFF 15. augusta 2008

Lineární programování

Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice

3 Lineární kombinace vektorů. Lineární závislost a nezávislost

x 2 = a 2 + tv 2 tedy (a 1, a 2 ) T + [(v 1, v 2 )] T A + V Příklad. U = R n neprázdná množina řešení soustavy Ax = b.

Soustavy. Terminologie. Dva pohledy na soustavu lin. rovnic. Definice: Necht A = (a i,j ) R m,n je matice, b R m,1 je jednosloupcová.

Necht tedy máme přirozená čísla n, k pod pojmem systém lineárních rovnic rozumíme rovnice ve tvaru

PROSTORY SE SKALÁRNÍM SOUČINEM. Definice Nechť L je lineární vektorový prostor nad R. Zobrazení L L R splňující vlastnosti

Problém lineární komplementarity a kvadratické programování

Soustavy linea rnı ch rovnic

maticeteorie 1. Matice A je typu 2 4, matice B je typu 4 3. Jakých rozměrů musí být matice X, aby se dala provést

INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ. Modernizace studijního programu Matematika na PřF Univerzity Palackého v Olomouci CZ.1.07/2.2.00/28.

[1] Motivace. p = {t u ; t R}, A(p) = {A(t u ); t R} = {t A( u ); t R}

4EK213 LINEÁRNÍ MODELY

Základy matematiky pro FEK

a + b + c = 2 b + c = 1 a b = a 1 2a 1 + a a 3 + a 5 + 2a 2 + a 2 + a

α 1 α 2 + α 3 = 0 2α 1 + α 2 + α 3 = 0

1. července 2010

6. Lineární nezávislost a báze p. 1/18

Vlastní číslo, vektor

Vektorový prostor. Př.1. R 2 ; R 3 ; R n Dvě operace v R n : u + v = (u 1 + v 1,...u n + v n ), V (E 3 )...množina vektorů v E 3,

6 Simplexová metoda: Principy

DEFINICE Z LINEÁRNÍ ALGEBRY

fakulty MENDELU v Brně (LDF) s ohledem na disciplíny společného základu (reg. č. CZ.1.07/2.2.00/28.

Obsah. Lineární rovnice. Definice 7.9. a i x i = a 1 x a n x n = b,

Operace s maticemi

1 Linearní prostory nad komplexními čísly

LDF MENDELU. Simona Fišnarová (MENDELU) Základy lineárního programování VMAT, IMT 1 / 25

Vektory a matice. Obsah. Aplikovaná matematika I. Carl Friedrich Gauss. Základní pojmy a operace

7 Konvexní množiny. min c T x. při splnění tzv. podmínek přípustnosti, tj. x = vyhovuje podmínkám: A x = b a x i 0 pro každé i n.

Definice. Vektorový prostor V nad tělesem T je množina s operacemi + : V V V, tj. u, v V : u + v V : T V V, tj. ( u V )( a T ) : a u V které splňují

1 Determinanty a inverzní matice

Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava luk76/la1

Operace s maticemi. 19. února 2018

1 Báze a dimenze vektorového prostoru 1

[1] Vzhledem ke zvolené bázi určujeme souřadnice vektorů...

Učební texty k státní bakalářské zkoušce Matematika Skalární součin. študenti MFF 15. augusta 2008

Lineární algebra : Metrická geometrie

ALGEBRA. Téma 5: Vektorové prostory

10. Soustavy lineárních rovnic, determinanty, Cramerovo pravidlo

1/10. Kapitola 12: Soustavy lineárních algebraických rovnic

VĚTY Z LINEÁRNÍ ALGEBRY

Základy matematiky pro FEK

Matice. Modifikace matic eliminační metodou. α A = α a 2,1, α a 2,2,..., α a 2,n α a m,1, α a m,2,..., α a m,n

Ekonomická formulace. Matematický model

1 Řešení soustav lineárních rovnic

Definice 13.1 Kvadratická forma v n proměnných s koeficienty z tělesa T je výraz tvaru. Kvadratická forma v n proměnných je tak polynom n proměnných s

Soustavy lineárních rovnic

MATICE. a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij]

Matematika (CŽV Kadaň) aneb Úvod do lineární algebry Matice a soustavy rovnic

0.1 Úvod do lineární algebry

Lineární (ne)závislost

Učební texty k státní bakalářské zkoušce Matematika Vlastní čísla a vlastní hodnoty. študenti MFF 15. augusta 2008

1. Jordanův kanonický tvar

Matice. Předpokládejme, že A = (a ij ) je matice typu m n: diagonálou jsou rovny nule.

13. Lineární programování

7. Lineární vektorové prostory

Jedná se o soustavy ve tvaru A X = B, kde A je daná matice typu m n,

4EK213 LINEÁRNÍ MODELY

1 Úvod do celočíselné lineární optimalizace

V předchozí kapitole jsme podstatným způsobem rozšířili naši představu o tom, co je to číslo. Nadále jsou pro nás důležité především vlastnosti

Báze a dimenze vektorových prostorů

VI. Maticový počet. VI.1. Základní operace s maticemi. Definice. Tabulku

Vlastní čísla a vlastní vektory

1 Soustavy lineárních rovnic

4EK213 Lineární modely. 4. Simplexová metoda - závěr

transformace je posunutí plus lineární transformace má svou matici vzhledem k homogenním souřadnicím [1]

f ( x) = 5x 1 + 8x 2 MAX, 3x x ,

Matematika 1 MA1. 2 Determinant. 3 Adjungovaná matice. 4 Cramerovo pravidlo. 11. přednáška ( ) Matematika 1 1 / 29

TOPOLOGIE A TEORIE KATEGORIÍ (2017/2018) 4. PREDNÁŠKA - SOUČIN PROSTORŮ A TICHONOVOVA VĚTA.

Lineární algebra : Báze a dimenze

12. Lineární programování

Odpřednesenou látku naleznete v kapitole 3.3 skript Diskrétní matematika.

Vlastní čísla a vlastní vektory

Kapitola 4: Extrémy funkcí dvou proměnných 1/5

Primitivní funkce a Riemann uv integrál Lineární algebra Taylor uv polynom Extrémy funkcí více prom ˇenných Matematika III Matematika III Program

V: Pro nulový prvek o lineárního prostoru L platí vlastnosti:

Transformace souřadnic

Úlohy nejmenších čtverců

8 Matice a determinanty

4EK213 Lineární modely. 5. Dualita v úlohách LP

ČTVERCOVÉ MATICE. Čtvercová matice je taková matice, kde počet řádků je roven počtu jejích sloupců. det(a) značíme determinant čtvercové matice A

VY_32_INOVACE_M-Ar 8.,9.20 Lineární funkce graf, definiční obor a obor hodnot funkce

Lineární algebra : Skalární součin a ortogonalita

11. Skalární součin a ortogonalita p. 1/16

FIT ČVUT MI-LOM Lineární optimalizace a metody. Dualita. Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti

4EK213 Lineární modely. 10. Celočíselné programování

Matematický ústav Slezské univerzity v Opavě Učební texty k přednášce ALGEBRA II, letní semestr 2000/2001 Michal Marvan. 14.

12. Determinanty. 12. Determinanty p. 1/25

Matematika I, část I Vzájemná poloha lineárních útvarů v E 3

0.1 Úvod do lineární algebry

Podobnost matic. Definice 8.6. Dány matice A, B M n (C). Jestliže existuje regulární matice P M n (C) tak,

4EK213 Lineární modely. 12. Dopravní problém výchozí řešení

Maticí typu (m, n), kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru:

Matematika B101MA1, B101MA2

Úvodní informace Soustavy lineárních rovnic. 12. února 2018

Afinita je stručný název pro afinní transformaci prostoru, tj.vzájemně jednoznačné afinní zobrazení bodového prostoru A n na sebe.

7. Důležité pojmy ve vektorových prostorech

Dnešní látka Variačně formulované okrajové úlohy zúplnění prostoru funkcí. Lineární zobrazení.

Cvičení z Lineární algebry 1

Transkript:

Obecná úloha lineárního programování Úloha Maximalizovat hodnotu c T x (tzv. účelová funkce) za podmínek Ax b (tzv. omezující podmínky) kde A je daná reálná matice typu m n a c R n, b R m jsou dané reálné vektory. Řešení přípustné řešení: každé x R n splňující Ax b optimální řešení: takové přípustné řešení x, že pro každé jiné přípustné řešení x platí: c T x c T x

Simplexová metoda Rovnicový tvar Maximalizovat hodnotu c T x za podmínek Ax = b a x 0 afinní podprostor kladný ortant Značení Pro B {1, 2,..., n} značíme: A B = matice tvořená sloupci A, jejichž indexy jsou v B x B = vektor tvořený složkami x, jejichž... c B = vektor tvořený složkami c, jejichž...

Příklad Příklad Pro A = a B = {2, 4} máme ( ) 1 5 3 4 6, x = (3, 5, 7, 9, 11) T 0 1 3 5 6 A B = ( ) 5 4, x B = (5, 9) T 1 5 Předpoklady Matice A má lineárně nezávislé řádky Soustava Ax = b má alespoň jedno řešení umíme zajistit jinak není co řešit

Báze úlohy LP v rovnicovém tvaru Pro úlohu max c T x za podmínek Ax = b, x 0 Báze Báze - podmnožina B {1, 2,..., n} t.ž. matice je A B regulární Přípustná báze - taková báze, že A B x B = b má nezáporné řešení Bázické řešení Vektor x R n takový, že Bázické řešení - vektor x, pro který existuje báze B taková, že A B x B = b a zároveň x j = 0 pro každé j {1, 2,... m} B (pozor: x nemusí být přípustné řešení) Bázické přípustné řešení - bázické řešení, které je přípustné

Příklad Příklad Pro úlohu Ax = b, x 0, kde ( 2 1 A = ( 1 5 3 4 6 0 1 3 5 6 ), b = ( ) 14 7 je B = {2, 4} ( přípustná ) báze: Matice A B = 5 4 1 5 je regulární a A B x B = b má nezáporné řešení, ) totiž x B =. Dále x = (0, 2, 0, 1, 0) T je bázické přípustné řešení. Proměnné Pro bázi B nazveme proměnné x j bázické, pokud j B nebázické (volné), pokud j B

Lemma Lemma Přípustné řešení x je bázické, právě když sloupce matice A odpovídající kladným proměnným jsou lineárně nezávislé. Dukaz: Pro dané x označme K = {j {1, 2,..., n} x j > 0}. jasné z definice je-li K = m, pak A B je čtvercová regulární; vezmi bázi B = K je-li K < m vezmi bázi B tvořenou indexy z K a dalšími m K indexy tak (s pomocí Steinitzovy věty), aby odpovídající sloupce A B byly lin. nez. (protože sloupce A tvoří bázi R m, je to možné).

Lemma Lemma Pro každou m-prvkovou B {1, 2,..., n}, pro kterou je A B regulární, existuje nejvýše jedno přípustné bázické řešení, tj. řešení x takové, že x j = 0 pro j B. Poznámka: tj. báze jednoznačně určuje bázické řešení, ne nutně naopak. Dukaz: Pro přípustné bázické řešení x, k bázi B, platí Ax = b, tj. A B x B + A N x N = b kde N = {1, 2,..., n} B a x N = 0 Dostáváme A B x B = b, kde A B je dle předpokladu regulární x B určeno jednoznačně (a tudíž i celé x)

Věta Věta i) Má-li úloha LP v rovnicovém tvaru aspoň jedno přípustné řešení a zároveň je účelová funkce na množině přípustných řešení shora omezená, pak existuje i optimální řešení. ii) Má-li úloha optimální řešení, pak i některé z přípustných bázických řešení je optimální. Poznámka: bázických řešení je konečně mnoho! Bez dukazu (prozatím?)

Simplexová metoda - příklad Úloha max x 1 + x 2 za podmínek x 1 +x 2 +x 3 = 1 x 1 +x 4 = 3 x 2 +x 5 = 2 x 1, x 2, x 3, x 4, x 5 0 Najdeme nějaké přípustné bázické řešení, např. x = (0, 0, 1, 3, 2) T pro bázi B = {3, 4, 5}, a vytvoříme tzv. simplexovou tabulku. Simplexová tabulka 1 x 3 = 1 +x 1 x 2 x 4 = 3 x 1 x 5 = 2 x 2 z = x 1 +x 2 (= 0) vezmi puvodní omezující podmínky a vyjádři bázické proměnné pomocí nebázických poslední řádek - účelová funkce vyjádřená též pomocí nebázických proměnných

Simplexová metoda - pokrač. 2 Naše snaha - zvětšovat hodnotu účelové funkce zvětšením jedné volné proměnné, např. x 2. Říkáme, že x 2 vstoupí do báze. Simplexová tabulka 1 x 3 = 1 +x 1 x 2 pro x 3 0 a x 1 = 0 vynucuje x 2 1 x 4 = 3 x 1 neomezuje x 2 x 5 = 2 x 2 pro x 5 0 a x 1 = 0 vynucuje x 2 2 z = x 1 +x 2 (= 0) Nejpřísnější je omezení plynoucí z první rovnice položíme x 2 = 1. Ponecháme x 1 = 0. Dostaneme nové řešení x = (0, 1, 0, 3, 1) T, odpovídající nové bázi B = {2, 4, 5}. Simplexová tabulka 2 x 2 = 1 +x 1 x 3 x 2 vstoupila do báze místo x 3 x 4 = 3 x 1 x 5 = 1 x 1 +x 3 za x 2 dosad dle prvního řádku z = 1 +2x 1 x 3 (= 1)

Simplexová metoda - pokrač. 3 Opět chceme zvětšit z zvětšením volné proměnné - možno jedině pomocí x 1 Simplexová tabulka 2 x 2 = 1 +x 1 x 3 zvětšování x 1 neomezuje x 4 = 3 x 1 vynucuje x 1 3 x 5 = 1 x 1 +x 3 vynucuje x 1 1 - nejpřísnější z = 1 +2x 1 x 3 (= 1) Položíme x 1 = 1 a dostaneme nové bázické řešení x = (1, 2, 0, 2, 0) T pro bázi B = {1, 2, 4}, nová tabulka: Simplexová tabulka 3 x 1 = 1 +x 3 x 5 vstoupila do báze místo x 5 x 2 = 2 x 5 dosad za x 1 x 4 = 2 x 3 +x 5 dosad za x 1 z = 3 +x 3 2x 5 (= 3)

Simplexová metoda - pokrač. 4 Zvětšujeme pomocí x 3 Simplexová tabulka 3 x 1 = 1 +x 3 x 5 zvětšování x 3 neomezuje x 2 = 2 x 5 zvětšování x 3 neomezuje x 4 = 2 x 3 +x 5 vynucuje x 3 2 z = 3 +x 3 2x 5 (= 3) Položíme x 3 = 2 a dostaneme nové bázické řešení x = (3, 2, 2, 0, 0) T pro bázi B = {1, 2, 3}, nová tabulka: Simplexová tabulka 4 x 1 = 3 x 4 x 2 = 2 x 5 x 3 = 2 x 4 +x 5 z = 5 x 4 x 5 (= 5) Máme optimální řešení