- •1 Матрицы. Виды матриц
- •Специальные матрицы
- •2 Определители. Определение и свойства определителей
- •3.Алгебраическое дополнение и минор
- •4. Теорема (о разложении определителя по строке (столбцу))
- •Теорема об умножении определителей
- •5. Обратная матрица. Теорема об обратной матрице
- •Теорема об обратной матрице
- •6 Поиск обратной матрицы методом союзной матрицы
- •7 Понятие минора k-ого порядка. Ранг матрицы. Понятие базиса в системе строк (столбцов) м-цы. Теорема о ранге м-цы.
- •Ранг матрицы Аm*n – это наивысший порядок отличных от 0 миноров этой матрицы r(a)
- •8 Поиск ранга матрицы методом элементарных преобразований и методом окаймляющих миноров. Метод элементарных преобразований
- •Метод окаймляющих миноров
- •9 Слу. Формы представления слу
- •10 Элементарные преобразования слу
- •11 Теорема Кронекера-Капелли
- •12 Метод Крамера решения слу
- •13 Метод Гаусса решения слу
- •14 Балансовая модель Леонтьева
- •18 Теорема о разделяющей гиперплоскости. Теорема о выпуклости полупространства. Понятие выпуклого многогранника
- •19 Понятие системы линейных неравенств. Графический метод решения ситемы линейных неравенств
- •20Общая постановка змп
- •21 Понятие эпсилон-окрестности точки, предельной точки, замкнутого мн-ва, ограниченного мн-ва, точки локального (глобального) и условного (безусловного) экстремума
- •22 Понятие частной производной ф-ии, стационарной ф-ии, градиента и матрицы Гессе
- •23 Понятие квадратичной формы м-цы. Понятие положительной (отрицательной) определённости матрицы
- •24 Понятие вектор-функции и матрицы Якоби
- •25 Производная по направлению. Теорема о производной по направлению
- •26. Понятие градиента ф-ии. Теорема о градиенте
- •27 Понятия множества уровня ф-ии, касательной гиперплоскости к мн-ву уровня ф-ии, вектора нормали к гиперплоскости
- •28 Формула Тейлора. Разложение Тейлора
- •30 Постановка знлп с огран-ми - рав-ми
- •31 Назначение и обоснование метода множителей Лагранжа
- •32 Схема реализации метода множителей Лагранжа
- •33 Интерпретация мн-лей л. Теорема л.
- •34Метод подстановки решения знлп с ограничениями-равенствами
- •35 Назначение и обоснование обобщенного метода множителей Лагранжа
- •36 Схема реализации обобщенного метода множителей Лагранжа
- •37 Условия Куна- Таккера. Теорема Куна - Таккера. Условие дополняющей нежесткости
- •38 Понятие выпуклой (строго выпуклой) и вогнутой (строго вогнутой) ф-ии. Св-ва выпуклых (вогнутых) ф-ий. З-ча выпукло-вогнутого программирования
- •39 Достаточность условий Куна-Таккера в з-чах выпукло-вогнутого программирования. Т-ма о единств-ти экстр-ма строговыпуклой (строговогнутой) ф-ии
- •40 Метод Куна- Таккера решения задач выпукло-вогнутого программирования. Методы реш-я плохо обусловленных знлп. Теорема Вейерштрасса
- •41 Общая постановка злп и формы её представления. Теорема о эквивалентности форм представления злп
- •42 Понятие угловой точки (вершины) выпуклого многогранника, опорного плана злп. Понятие оптимального плана злп. Понятия вырожденного и невырожденного опорного плана
- •43 Теорема Каратеодори. Теорема о решении злп. Теорема о вершине
- •44 Назначение и обоснование графического метода решения злп
- •45 Графический метод решения злп
- •46 Назначение и обоснование см
- •47 Алгебра см
- •48А Правила пересчёта с-т
- •49 Метод искусственного базиса (м-метод). Назначение м-метода
- •50 Схема реализации м-метода
- •51.Сим.-т для реализации метода искусств.Базиса.
- •52 Понятие двойственной пары злп
- •53 Двойственная лемма. Понятие прямых и двойственных оценок
- •54 Первая, вторая теорема двойственнрсти
45 Графический метод решения злп
Применяется для решения задач малой размерности, когда число перем. n≤ 3.
Описание графич. метода:
Ш1: графич. способом строится обл. огр. D исходной задачи.
Ш2: строится направляющий вектор: с=f(x),
Ш3: через любую точку области D проводится плоскость(прямая), ортогональная вектору .
Ш4: построенная плоскость (прямая) перемещается в направлении вектора C параллельно самой себе до точки последнего соприкосновения перемещаемой плоскости (прямой) с областью D. Точка отрыва определяет оптимальный план задачи.
Ш5: путём анализа выясняется, результатом пересечения каких плоскостей (прямых) является найденная точка отрыва. Выписывается СЛУ прямых, породивших оптим. план. СЛУ решается, её решение даёт точные значения компонент оптим. плана.
46 Назначение и обоснование см
СМ предназначен для решения ЗЛП в канонической форме:
f(x)=ctx→max (1)
Aх=b (2)
х ≥0
В основе метода лежат теорема о решении ЗЛП и теорема о вершине.
СМ состоит в процедуре последующего перехода от одной вершины обл-ти огр-ний исходной з-чи к другой, на кот-ой знач-е цел-ой ф- ии f(x) больше, чем на предыдущей. Поскольку число вершин любого выпуклого многогр-ка конечны, то СМ за конечное число шагов приводит либо к опт-му плану, либо устанавливает неразрешимость исходной за-чи (когда обл-ть огр-ний пуста или не огр-на).
Процедура перехода от вершины к вер-не основана на алгебре СМ.
47 Алгебра см
f(x)=ctx→max (1)
Aх=b (2)
х ≥0
Ш1 (поиск 1-го опорного плана):
Опорный план задачи (1)-(2) может быть найден путем решения СЛУ Ax=b ограничений (2).методом Гаусса с последующим присвоением всем своб.переменным нулевых значений. Без ограничения общности можно считать, что базисными переменными будут первые m переменных общности. Их можно переименовать, которые могут быть выражены через свободные след.обр.:
xi=βi-Σj=m+1n αijxj , i=1,m (3)
Все βi в (3) должны быть неотрицательными. Если это не так, то СЛУ перерешивается методом Гаусса относительно др. базисных перем., до тех пор, пока все βi станут неотрицат. Согласно теореме о вершине, точка xt(1)=( β1, β2,…, βm, 0,…,0) является вершиной, т. к. все своб. перемен. равны 0.
Ш2 (выражение эл-тов текущей задачи через своб. перем.):
Подставляя (3) в выражение (1) получаем:
f(х)= ctx =Σi=1n cixi=Σi=1m cixi + Σj=m+1n cixj= Σi=1m ci(βi- Σj=m+1n αijxj) + Σj=m+1n cjxj= f0- Σj=m+1n Δjxj (4)где
f0= Σi=1m ci βi= СтбР0 (5)
Δj=Σi=1m ciαij – cj= СтбРj – cj, j = m+1,n (6)
где P0т=(β1, β2, ..., βm) – вектор правой части ф-и СЛУ, дающей решение (3),
Pjт=(α1j, α2j, …, αmj) – j-тый столбец м-цы этой системы
СЛУ, к кот. привёл метод Гаусса на 1-м шаге.
Сбт=(с1, с2, …, сm) – вектор, состоящ. из коэф-тов при базисных переменных в целевой функции (1).
α – элементы матрицы финальной СЛУ.
Исходная задача принимает вид:
f(x)=f0-Σj=m+1n Δjxj → max (7)
xi= βi- Σj=m+1n αijxj>=0, i=1,m
xj>=0, j=m+1,n (8)
1-ое нер-во в (8) –следствие изнач.-го требования неотрицательности всех переменных,в т.ч. и базисных.Константа f0 в (7) не зависит не от каких перемен. Знач.целевой ф-и на 1-ом опорном плане ,что следует из (7) после обнуления всех своб.переменных:
f(x(1))=f0= СтбР0 (9)
Ш 3 (поиск возможных переходов):
Найти вершину D, на кот. значение целев. ф-ции > чем на x(1)
а) Все Δj в (4) не меньше 0. В этом случаеx(1). является
оптим. планом, поскольку любые изменения своб. переменных не увеличивают значение целевой ф-ции.
б) Существует хотя бы одно k, что Δk<0. Тогда значение целев. ф-ции можно увеличить за счёт своб. переменной хk, изначально равной 0.
Ш 4 (переход к новой вершине):
Увеличим до предела переменную хk , оставляя все другие своб. перем. равными 0. Предел увеличения устанавливается из условия неотрицательности всех баз. перем. , кот., как следует из (3) будут изменятся по закону: xi = βi - αikxk
Условие неотрицательности даёт: xi = βi - αikxk ≥ 0, i = 1,m (10)
Возможны варианты:
а) Все αik ≤ 0. В этом случае все нерав-ва (10) остаются справедливыми при сколь угодно больших значениях xk. В результате целевая ф-я может быть ув-на до люб.сколь угодно большего числа и решения нет,т.к. она не ограничена.
б) Одно или несколько αik > 0. Тогда каждая αik порождает верхнюю границу γi для увеличения переменной :
xk ≤ βi / αik = γi (11)
Пусть этот min γ достигается при i=r: γ=γr – βr / αrk
Увеличим xk до предела, оставляя при этом все другие своб. переменные равными 0. По достижении верхней границы, перем xk обнуляет базис. перем. xr , кот. объявляется свободной, xk объявляется базисной. Тогда точка:
хт(2)=( β1, …, βr-1, 0, βr+1, …, βm, 0, 0, …, γk, 0 )
является вершиной области ограничения задачи. Далее переход на шаг 2.
Замечание 1: шаг 4 равносилен перерешиванию сис-мы уравнений-ограничений методом Гаусса, при этом в качестве разрешающ. эл-та будет элемент м-цы системы αrk
Замечание 2: для задачи поиска минимума достаточно найти max этой ф-ции, взятый с обратным знаком.
48 С-Т. Правила построения и заполнения С-Т
С-Т предназн. для облегчения реализации СМ вручную. Решается задача:
f(x)=ctx→max (1)
Ax=b (2)
x≥0
Ax=b – система m уравнений с n неизвестными, кот. можно представить в векторной форме записи:
f=cтx → max (3)
Σj=1n xjPj = P0 (4)
x≥0
где xj – аргументы целевой ф-ции,
Pjт = (a1j, …, amj) – j-тый столбец м-цы системы А СЛУ-ограничений Ax=b. P0=b
С-Т содержит инф. о текущем состоянии процесса решения задачи СМ-ом и о возможных вариантах перехода к следующ. вершине. Каждой вершине, через кот. СМ достигает оптим. плана, соотв. своя С-Т. Если СЛУ-ограничений решена и базисными перем. оказались xi1, …, xim, то это озн., что соотв. вектора Pi1, …, Pim в (4) являются единичными векторами, образующими канонический базис в пространстве Rm. Если компоненты вектора P0 неотриц., то вектор х, в кот. все свободные перем. =0 определяет опорный план, т. е. все условия шага 1 алгебры СМ выполнены и для реализации СМ табл. способом необходимо заполнить С-Т.
В 1-м столбце С-Т содержатся наименов. базисн. перем. в текущий момент и наименов. целев. ф-ции f. Во 2-м столбце– компоненты векторы сбт = (ci1, …, cim)
3-й столбецbсодержит компоненты вектора Р0, а нижняя клетка столбца – значение f0=cбтP0 в текущ. вершине.
4-й и последующ. столбцы содержат компоненты вектора Pj, j=1,n. А нижние клетки столбцов – значения
Δj=cбтPj – cj , j=1,n