Konvexní množiny Formulace úloh lineárního programování. Jiří Neubauer. Katedra ekonometrie FEM UO Brno



Podobné dokumenty
EKONOMICKO-MATEMATICKÉ METODY

Obecná úloha lineárního programování. Úloha LP a konvexní množiny Grafická metoda. Jiří Neubauer. Katedra ekonometrie FEM UO Brno

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

4EK213 LINEÁRNÍ MODELY

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

Příklady modelů lineárního programování

2. kapitola: Euklidovské prostory

AB = 3 CB B A = 3 (B C) C = 1 (4B A) C = 4; k ]

1. července 2010

4EK311 Operační výzkum. 2. Lineární programování

Operační výzkum. Vícekriteriální programování. Lexikografická metoda. Metoda agregace účelových funkcí. Cílové programování.

i=1 Přímka a úsečka. Body, které leží na přímce procházející body a a b můžeme zapsat pomocí parametrické rovnice

4EK201 Matematické modelování. 4. Typické úlohy lineárního programování

Ekonomická formulace. Matematický model

15. Soustava lineárních nerovnic - optimalizace

analytické geometrie v prostoru s počátkem 18. stol.

Obecná úloha lineárního programování

Extrémy funkce dvou proměnných

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.

Matematika I, část I. Rovnici (1) nazýváme vektorovou rovnicí roviny ABC. Rovina ABC prochází bodem A a říkáme, že má zaměření u, v. X=A+r.u+s.

od zadaného bodu, vzdálenost. Bod je střed, je poloměr kružnice. Délka spojnice dvou bodů kružnice, která prochází středem

Geometrické vyhledávání

Kružnice, úhly příslušné k oblouku kružnice

ICT podporuje moderní způsoby výuky CZ.1.07/1.5.00/ Matematika analytická geometrie. Mgr. Pavel Liška

11 Vzdálenost podprostorů

3.1.2 Polorovina, úhel

1.1 Typy úloh LP. Klíčová slova: úlohy LP, formulace modelu. 1. Formulace ekonomického modelu.

13. Lineární programování

KOMPLEXNÍ ČÍSLA INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ

P L A N I M E T R I E

Funkce 1) Zakreslete body K, L a M do souřadného systému Oxy, jsou-li dány jejich souřadnice: K[-3;0]; L[0;-2]; M[4;3].

Určete a graficky znázorněte definiční obor funkce

Shodná zobrazení v rovině

SOUŘADNICE BODU, VZDÁLENOST BODŮ

61. ročník matematické olympiády III. kolo kategorie A. Hradec Králové, března 2012

PLANIMETRIE úvodní pojmy

Patří mezi tzv. homotetie, tj. afinní zobrazení, která mají všechny směry samodružné.

4EK213 Lineární modely. 4. Simplexová metoda - závěr

Euklidovský prostor. Funkce dvou proměnných: základní pojmy, limita a spojitost.

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

Kótované promítání. Úvod. Zobrazení bodu

(4x) 5 + 7y = 14, (2y) 5 (3x) 7 = 74,

CVIČNÝ TEST 49. OBSAH I. Cvičný test 2. Mgr. Tomáš Kotler. II. Autorské řešení 5 III. Klíč 13 IV. Záznamový list 15

4EK212 Kvantitativní management. 2. Lineární programování

MĚSÍC MATEMATIKA GEOMETRIE

4EK213 LINEÁRNÍ MODELY

4EK201 Matematické modelování. 2. Lineární programování

Matematika PRŮŘEZOVÁ TÉMATA

Analytická geometrie lineárních útvarů

Řešení geometrické úlohy spočívá v nalezení geometrického útvaru (útvarů) daných vlastností.

6 Simplexová metoda: Principy

PLANIMETRIE 2 mnohoúhelníky, kružnice a kruh

MANUÁL K ŘEŠENÍ TESTOVÝCH ÚLOH

Rovnice. RNDr. Yvetta Bartáková. Gymnázium, SOŠ a VOŠ Ledeč nad Sázavou

Matematický model. omezující podmínky. Tab. 2.1 Prvky ekonomického a matematického modelu

KMA/GPM Barycentrické souřadnice a

( ) ( ) 6. Algebraické nerovnice s jednou neznámou ( ) ( ) ( ) ( 2. e) = ( )

2) Přednáška trvala 80 minut a skončila v 17:35. Jirka na ni přišel v 16:20. Kolik úvodních minut přednášky Jirka

Příklady k analytické geometrii kružnice a vzájemná poloha kružnice a přímky

CVIČNÝ TEST 48. OBSAH I. Cvičný test 2. Mgr. Tomáš Kotler. II. Autorské řešení 6 III. Klíč 15 IV. Záznamový list 17

Návody k domácí části I. kola kategorie A

Lineární programování

3.3. ANALYTICKÁ GEOMETRIE KRUŽNICE A KOULE

Gymnázium Jiřího Ortena, Kutná Hora

Gymnázium Jiřího Ortena, Kutná Hora

Další polohové úlohy

ZÁKLADNÍ PLANIMETRICKÉ POJMY

Matematická analýza III.

A[a 1 ; a 2 ; a 3 ] souřadnice bodu A v kartézské soustavě souřadnic O xyz

1. přednáška 1. října Kapitola 1. Metrické prostory.

Úlohy krajského kola kategorie A

Jiří Neubauer. Katedra ekonometrie FEM UO Brno

Gymnázium Jiřího Ortena, Kutná Hora. Průřezová témata Poznámky. Téma Školní výstupy Učivo (pojmy) volné rovnoběžné promítání průmětna

Simplexové tabulky z minule. (KMI ZF JU) Lineární programování EMM a OA O6 1 / 25

MATURITNÍ TÉMATA Z MATEMATIKY

Název: Práce s parametrem (vybrané úlohy)

Různostranný (obecný) žádné dvě strany nejsou stějně dlouhé. Rovnoramenný dvě strany (ramena) jsou stejně dlouhé, třetí strana je základna

Důkaz Heineho Borelovy věty. Bez újmy na obecnosti vezmeme celý prostor A = M (proč? úloha 1). Implikace. Nechť je (M, d) kompaktní a nechť.

Lineární programování(optimalizace) a soustavy lineárních nerovností

4.2.4 Orientovaný úhel I

6. ANALYTICKÁ GEOMETRIE

Omezíme se jen na lomené čáry, jejichž nesousední strany nemají společný bod. Jestliže A 0 = A n (pro n 2), nazývá se lomená čára uzavřená.

Matematika 1 MA1. 1 Analytická geometrie v prostoru - základní pojmy. 4 Vzdálenosti. 12. přednáška ( ) Matematika 1 1 / 32

4EK213 Lineární modely. 10. Celočíselné programování

4EK212 Kvantitativní management. 1. Úvod do kvantitativního managementu a LP

Modelové úlohy přijímacího testu z matematiky

Matematika pro informatiky

Syntetická geometrie I

Učitelství 1. stupně ZŠ tématické plány předmětů matematika

h = 0, obr. 7. Definice Funkce f je ohraničená shora, jestliže x Df Funkce f je ohraničená zdola, jestliže x Df d R

Eukleidovský prostor a KSS Eukleidovský prostor je bodový prostor, ve kterém je definována vzdálenost dvou bodů (metrika)

11. VEKTOROVÁ ALGEBRA A ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ

JIHOČESKÁ UNIVERZITA V ČESKÝCH BUDĚJOVICÍCH EKONOMICKÁ FAKULTA OPERAČNÍ ANALÝZA

RNDr. Zdeněk Horák IX.

Předpokládané znalosti žáka 1. stupeň:

Každá kružnice má střed, označuje se S. Všechny body kružnice mají od středu S stejnou vzdálenost, říká se jí poloměr kružnice a označujeme ho r.

Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice

(0, y) 1.3. Základní pojmy a graf funkce. Nyní se již budeme zabývat pouze reálnými funkcemi reálné proměnné a proto budeme zobrazení

II. Zakresli množinu bodů, ze kterých vidíme úsečku délky 3 cm v zorném úhlu větším než 30 0 a menším než 60 0.

11. VEKTOROVÁ ALGEBRA A ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ. u. v = u v + u v. Umět ho aplikovat při

Transkript:

Přednáška č. 2 Katedra ekonometrie FEM UO Brno

Euklidovský prostor E n Pod pojmem n-rozměrný euklidovský prostor budeme rozumnět prostor, jehož prvky jsou uspořádané n-tice reálných čísel X = (x 1, x 2,..., x n ), které budeme nazývat body.

Nadrovina Nadrovinou nazveme množinu bodů X = (x 1, x 2,..., x n ) E n, které vyhovují rovnici a 1 x 1 + a 2 x 2 + + a n x n = a 0.

Nadrovina Nadrovina N dělí prostor E n na 3 disjunktní části: množina bodů P 1, pro něž platí a 1 x 1 + a 2 x 2 + + a n x n < a 0 otevřený poloprostor

Nadrovina Nadrovina N dělí prostor E n na 3 disjunktní části: množina bodů P 1, pro něž platí a 1 x 1 + a 2 x 2 + + a n x n < a 0 otevřený poloprostor množina bodů N, pro něž platí a 1 x 1 + a 2 x 2 + + a n x n = a 0 nadrovina

Nadrovina Nadrovina N dělí prostor E n na 3 disjunktní části: množina bodů P 1, pro něž platí a 1 x 1 + a 2 x 2 + + a n x n < a 0 otevřený poloprostor množina bodů N, pro něž platí a 1 x 1 + a 2 x 2 + + a n x n = a 0 nadrovina množina bodů P 2, pro něž platí a 1 x 1 + a 2 x 2 + + a n x n > a 0 otevřený poloprostor

Příklad Konvexní množiny Prostor E 1... nadrovinou je bod A = 5 P 1 N P 2 5 P 1 x < 5 polopřímka N x = 5 nadrovina P 2 x > 5 polopřímka

Příklad Konvexní množiny Prostor E 2... nadrovinou je přímka 3x 1 2x 2 = 12 x 2 P 2 0 4 x 1-6 P 1 P 1 3x 1 2x 2 > 12 polopřímka N 3x 1 2x 2 = 12 přímka P 2 3x 1 2x 2 < 12 polopřímka

Příklad Konvexní množiny Znázorněte v rovině množinu bodů splňující x 1 + x 2 5 2x 1 + 4x 2 8 x 1 0

Přímka Konvexní množiny Množina bodů X, pro které platí X = (1 λ)a + λb, kde λ R, A, B E n se nazývá přímka procházející body A, B.

Příklad Konvexní množiny Napište rovnici přímky procházející body A[1, 2] a B[0, 1]. X = (1 λ)[1, 2] + λ[0, 1]

Příklad Konvexní množiny Napište rovnici přímky procházející body A[1, 2] a B[0, 1]. X = (1 λ)[1, 2] + λ[0, 1] x 2 T 0 B S A x 1 Volbou λ = 1 2 dostaneme bod S = (1 1 2 )[1, 2] + 1 2 [0, 1] = 1 2 [1, 2] + 1 2 [0, 1] = [ 1 2, 1 2 ] Volbou λ = 2 dostaneme bod T = (1 2)[1, 2] + 2[0, 1] = [1, 2] + 2[0, 1] = [ 1, 4]

Úsečka Konvexní množiny Množina bodů X splňující X = (1 λ)a + λb, kde λ 0, 1, A, B E n se nazývá úsečka spojující body A, B.

Konvexní množina Řekneme, že množina K E n je konvexní, obsahuje-li s každými 2 body A, B i úsečku spojující tyto body.

Konvexní množina Řekneme, že množina K E n je konvexní, obsahuje-li s každými 2 body A, B i úsečku spojující tyto body. A B konvexní množina nekonvexní množina

Krajní bod Bod X K E n se nazývá krajním bodem konvexní množiny K, neexistují-li 2 různé body A, B (přičemž X A, X B) takové, že bod X leží na úsečce AB.

Krajní bod Bod X K E n se nazývá krajním bodem konvexní množiny K, neexistují-li 2 různé body A, B (přičemž X A, X B) takové, že bod X leží na úsečce AB. množina konvexnost krajní body trojúhelník ano vrcholy kruh ano kružnice kružnice ne

Ohraničená a neohraničená množina Konvexní množina K se nazývá ohraničená, neobsahuje-li žádnou polopřímku. Obsahuje-li alespoň 1 polopřímku, nazývá se neohraničená.

Věta o průniku Průnik konvexních množin je opět konvexní množina.

Úloha výrobního plánování Podnik vyrábí 2 druhy výrobků V 1 a V 2. Tabulka udává spotřebu surovin S 1 a S 2 v kg potřebných na výrobu 1 kusu výrobku. Zisk z 1 výrobku V 1 je 18 Kč a z 1 výrobku V 2 je 8 Kč. Dále je v tabulce uvedeno množství surovin, kterým podnik disponuje. Stanovte optimální výrobní plán, aby podnik dosáhl maximálního zisku. Ekonomický Výrobky Disponibilní model V 1 V 2 množství S 1 [kg/ks] 4 2 2000 S 2 [kg/ks] 4 1 1600 zisk [Kč/ks] 18 8 max

Úloha výrobního plánování Matematický model: proměnné x 1... počet výrobků V 1 x 2... počet výrobků V 2 výrobní plán x = (x 1, x 2 ), kde x 1 0, x 2 0

Úloha výrobního plánování Matematický model: proměnné x 1... počet výrobků V 1 x 2... počet výrobků V 2 výrobní plán x = (x 1, x 2 ), kde x 1 0, x 2 0 např. x = (300, 100) Spotřeba surovin při tomto výrobním plánu bude S 1 : 300 4 + 100 2 = 1400 kg < 2000 S 2 : 300 4 + 100 1 = 1300 kg < 1600

Úloha výrobního plánování Matematický model: proměnné x 1... počet výrobků V 1 x 2... počet výrobků V 2 výrobní plán x = (x 1, x 2 ), kde x 1 0, x 2 0 např. x = (300, 100) Spotřeba surovin při tomto výrobním plánu bude S 1 : 300 4 + 100 2 = 1400 kg < 2000 S 2 : 300 4 + 100 1 = 1300 kg < 1600 Jedná se tedy o přípustné řešení úlohy LP. Zisk je 300 18 + 100 8 = 6200 Kč.

Úloha výrobního plánování např. x = (250, 700) Spotřeba surovin při tomto výrobním plánu bude S 1 : 250 4 + 700 2 = 2400 kg > 2000 S 2 : 250 4 + 700 1 = 1700 kg > 1600

Úloha výrobního plánování např. x = (250, 700) Spotřeba surovin při tomto výrobním plánu bude S 1 : 250 4 + 700 2 = 2400 kg > 2000 S 2 : 250 4 + 700 1 = 1700 kg > 1600 Jedná se tedy o nepřípustné řešení úlohy LP.

Úloha výrobního plánování obecně x = (x 1, x 2 ) 4x 1 + 2x 2 2000 4x 1 + x 2 1600

Úloha výrobního plánování obecně x = (x 1, x 2 ) účelová funkce má tvar 4x 1 + 2x 2 2000 4x 1 + x 2 1600 z(x 1, x 2 ) = 18x 1 + 8x 2 max Taková úloha se označuje za maximalizační úlohu.

Úloha výrobního plánování Postup při řešení: soustavu lin. nerovnic přepíšeme na soustavu lin. rovnic 4x 1 + 2x 2 + x 1 = 2000 4x 1 + x 2 + x 2 = 1600 x 1 0, x 2 0, x 1 0, x 2 0

Úloha výrobního plánování Postup při řešení: soustavu lin. nerovnic přepíšeme na soustavu lin. rovnic 4x 1 + 2x 2 + x 1 = 2000 4x 1 + x 2 + x 2 = 1600 x 1 0, x 2 0, x 1 0, x 2 0 řešíme simplexovou případně grafickou metodou

Úloha výrobního plánování Postup při řešení: soustavu lin. nerovnic přepíšeme na soustavu lin. rovnic 4x 1 + 2x 2 + x 1 = 2000 4x 1 + x 2 + x 2 = 1600 x 1 0, x 2 0, x 1 0, x 2 0 řešíme simplexovou případně grafickou metodou optimální řešení je x = (300, 400, 0, 0), což znamená, že z hlediska maximalizace zisku je třeba vyrobit 300 ks výrobků V 1 a 400 ks výrobků V 2, přičemž se spotřebuje veškerá surovina S 1 a S 2 (x 1 = 0, x 2 = 0). Dosáhne se zisku z = 300 18 + 400 8 = 8600 Kč.

Směšovací úloha Podnik má vytvořit krmnou směs, která by obsahovala alespoň 308 mg vápníku a 214 mg hořčíku. Používají přitom 2 typů krmiv: 1 kg krmiva K 1 obsahuje 10 mg Ca a 8 mg Mg a stojí 1500 Kč

Směšovací úloha Podnik má vytvořit krmnou směs, která by obsahovala alespoň 308 mg vápníku a 214 mg hořčíku. Používají přitom 2 typů krmiv: 1 kg krmiva K 1 obsahuje 10 mg Ca a 8 mg Mg a stojí 1500 Kč 1 kg krmiva K 2 obsahuje 8 mg Ca a 1 mg Mg a stojí 240 Kč

Směšovací úloha Podnik má vytvořit krmnou směs, která by obsahovala alespoň 308 mg vápníku a 214 mg hořčíku. Používají přitom 2 typů krmiv: 1 kg krmiva K 1 obsahuje 10 mg Ca a 8 mg Mg a stojí 1500 Kč 1 kg krmiva K 2 obsahuje 8 mg Ca a 1 mg Mg a stojí 240 Kč Úkolem je připravit co možná nejlevnější krmnou směs. Krmivo Požadované K 1 K 2 množství Ca [mg/kg] 10 8 308 Mg [mg/kg] 8 1 214 cena [Kč/kg] 1500 240 min

Směšovací úloha Matematický model: proměnné x 1... množství krmiva K 1 ve výsledné směsi x 2... množství krmiva K 2 ve výsledné směsi výrobní plán x = (x 1, x 2 ), kde x 1 0, x 2 0

Směšovací úloha Matematický model: proměnné x 1... množství krmiva K 1 ve výsledné směsi x 2... množství krmiva K 2 ve výsledné směsi výrobní plán x = (x 1, x 2 ), kde x 1 0, x 2 0 Použijeme-li x 1 kg krmiva K 1 a x 2 krmiva K 2, bude ve výsledné směsi Ca : 10x 1 + 8x 2 Mg : 8x 1 + x 2

Směšovací úloha Vlastní omezení mají tvar 10x 1 + 8x 2 308 8x 1 + x 2 214

Směšovací úloha Vlastní omezení mají tvar 10x 1 + 8x 2 308 8x 1 + x 2 214 Celková cena směsi je dána účelovou funkcí z = 1500x 1 + 240x 2 min Jedná se o minimalizační úlohu.

Rozdělovací úloha Máme dostatečné množství základních lan o délce 32 m. K dalšímu použití potřebujeme alespoň 12 kusů 20 m lan, 20 kusů 11 m lan a 26 kusů 6 m lan. Určete optimální skladbu řezných plánů vzhledem k minimálnímu odpadu.

Rozdělovací úloha Máme dostatečné množství základních lan o délce 32 m. K dalšímu použití potřebujeme alespoň 12 kusů 20 m lan, 20 kusů 11 m lan a 26 kusů 6 m lan. Určete optimální skladbu řezných plánů vzhledem k minimálnímu odpadu. Řezný plán Požadované I. II. III. IV. V. množství 20 m 1 1 0 0 0 12 11 m 1 0 2 1 0 20 6 m 0 2 1 3 5 26 odpad [m] 1 0 4 3 2 min

Rozdělovací úloha Proměnné x 1,..., x 5 Proměnná x j, j = 1, 2, 3, 4, 5 udává počet základních lan rozřezaných podle řezného plánu j, x j 0.

Rozdělovací úloha Proměnné x 1,..., x 5 Proměnná x j, j = 1, 2, 3, 4, 5 udává počet základních lan rozřezaných podle řezného plánu j, x j 0. Rozřežeme-li x 1 lan podle řezného plánu I.,..., x 5 lan podle řezného plánu V., nařežeme x 1 + x 2 ks 20 m lan

Rozdělovací úloha Proměnné x 1,..., x 5 Proměnná x j, j = 1, 2, 3, 4, 5 udává počet základních lan rozřezaných podle řezného plánu j, x j 0. Rozřežeme-li x 1 lan podle řezného plánu I.,..., x 5 lan podle řezného plánu V., nařežeme x 1 + x 2 ks 20 m lan x 1 + 2x 3 + x 4 ks 11 m lan

Rozdělovací úloha Proměnné x 1,..., x 5 Proměnná x j, j = 1, 2, 3, 4, 5 udává počet základních lan rozřezaných podle řezného plánu j, x j 0. Rozřežeme-li x 1 lan podle řezného plánu I.,..., x 5 lan podle řezného plánu V., nařežeme x 1 + x 2 ks 20 m lan x 1 + 2x 3 + x 4 ks 11 m lan 2x 2 + x 3 + 3x 4 + 5x 5 ks 6 m lan

Rozdělovací úloha x 1 + x 2 12 x 1 + 2x 3 + x 4 20 2x 2 + x 3 + 3x 4 + 5x 5 26 x 1 0,..., x 5 0

Rozdělovací úloha x 1 + x 2 12 x 1 + 2x 3 + x 4 20 2x 2 + x 3 + 3x 4 + 5x 5 26 x 1 0,..., x 5 0 Celkový odpad určuje účelová funkce z = x 1 + 4x 3 + 3x 4 + 2x 5 min