- •Международный консорциум «Электронный университет»
- •Оглавление
- •Тема 1.
- •Цель изучения – ознакомление с различными направлениями и методологией исследования операций
- •1.1. Основные определения
- •1.2. Этапы исследования операций
- •Время, требуемое на обработку каждой модели в каждом цехе
- •Тема 2.
- •Цель изучения – выработать навыки решения систем линейных алгебраических уравнений.
- •2.1. Алгебра матриц
- •2.1.1. Виды матриц
- •2.1.2. Действия над матрицами
- •2.2. Вычисление определителей
- •2.3. Решение систем алгебраических уравнений
- •2.3.1. Основные понятия и определения
- •2.3.2. Формулы крамера и метод обратной матрицы
- •2.3.3. Метод жордана–гаусса
- •2.4. Векторное пространство
- •2.4.2. Размерность и базис векторного пространства
- •2.5. Решение задач линейной алгебры с помощью ms Excel
- •Тема 3.
- •3.1. Постановки задачи линейного программирования
- •3.1.1. Общая постановка задачи линейного программирования
- •3.1.2. Основная задача линейного программирования
- •3.1.3. Каноническая задача линейного программирования
- •3.2. Графический метод решения злп
- •3.3. Анализ решения (модели) на чувствительность
- •3.4. Решение линейных моделей Симплекс-методом
- •3.5. Двойственный симплекс-метод (р-Метод)
- •3.6. Решение злп двухэтапным Симплекс-методом
- •Тема 4.
- •Теория двойственности в линейном программировании
- •Цель изучения – получить представление о теории двойственности и осознать ее экономическую значимость.
- •4.1. Определение и экономический смысл двойственной злп
- •4.2. Основные положения теории двойственности
- •Получение оптимального плана двойственной задачи на основании теоремы 4.4.
- •4.3. Решение злп с помощью Ms Excel
- •4.4. Анализ решения злп на основе отчетов ms excel
- •Тема 5.
- •Целочисленные модели исследования операций
- •Цель изучения – получить представление о специальных задачах линейного программирования, об особенностях решения зцлп.
- •5.1. Метод ветвей и границ решения целочисленных задач линейного программирования (цзлп)
- •X1, х2 0, целые.
- •5.2. Задача коммивояжера
- •Применение метода ветвей и границ для решения задачи коммивояжера
- •Ветвление
- •Построение редуцированных матриц и и вычисление оценок снизу
- •Формирование списка кандидатов на ветвление
- •Тема 6.
- •Экономические задачи, сводящиеся к транспортной модели
- •Цель изучения – получить представление об особенностях решения транспортной задачи и задачи о назначении.
- •6.1. Транспортная задача линейного программирования
- •Методы составления первоначальных опорных планов
- •Метод потенциалов решения транспортной задачи
- •Проверка выполнения условия оптимальности для незанятых клеток
- •Выбор клетки, в которую необходимо поместить перевозку
- •Построение цикла и определение величины перераспределения груза
- •Проверка нового плана на оптимальность
- •Определение оптимального плана транспортных задач, имеющих некоторые усложнения в их постановке
- •6.2. Экономические задачи, сводящиеся к транспортной модели
- •Оптимальное распределение оборудования
- •Формирование оптимального штата фирмы
- •Задача календарного планирования производства
- •Модель без дефицита
- •Модель с дефицитом
- •6.3. Задача о назначениях
- •Венгерский алгоритм
- •Оптимальное исследование рынка
- •Оптимальное использование торговых агентов
- •Глоссарий
- •Список рекомендуемой литературы Основная
- •Дополнительная
2.4. Векторное пространство
2.4.1. n-МЕРНЫЙ ВЕКТОР И ВЕКТОРНОЕ ПРОСТРАНСТВО
Определение. n-мерным вектором называется упорядоченная совокупностьn действительных чисел (x1, x2,…, xn). Числа x1, x2,…, xn называются компонентами вектора .
Определение. n-мерным векторным пространством Rn называют совокупность n-мерных векторов с действительными компонентами, рассматриваемая с определенными в ней операциями сложения векторов и умножения вектора на число.
2.4.2. Размерность и базис векторного пространства
Вектор называется линейной комбинацией векторов, если существуют такие действительные числа, не все одновременно равные нулю, что имеет место равенство.
Введем два эквивалентных определения линейной зависимости векторов.
Определение. Система векторов (k > 1) пространства Rn называется линейно зависимой, если хотя бы один из этих векторов является линейной комбинацией остальных векторов. В противном случае система векторов называется линейно независимой.
Определение. Система векторов (k > 1) пространства Rn называется линейно зависимой, если существуют такие числа , хотя бы одно из которых отлично от нуля, что имеет место равенство:. В противном случае система векторов называетсялинейно независимой.
Пример 2.13. Выяснить, является ли данная система векторов линейно зависимой.
.
Решение. Найдем решение эквивалентного равенства :
.
Задача сводится к решению однородной системы линейных уравнений
относительно неизвестных .
.
Система имеет бесконечное множество решений. Поэтому система векторов является линейно зависимой.
Общее решение имеет вид: .
Подставим общее решение в векторное равенство .
Полагая , получим:, откуда можно любой вектор выразить как линейную комбинацию остальных векторов. Например,или.
В пространстве Rn максимальное число линейно независимых векторов равно n. Любая система из n+1 вектора является линейно зависимой.
Определение. Совокупность n линейно независимых векторов пространства Rn называется его базисом.
Например, базис пространства Rn образуют n единичных векторов , причемi-я координата вектора ei равна единице, а остальные координаты равны нулю. Данный базис принято называть естественным.
Пример 2.14. В естественном базисе заданы векторы= (1, 1, 0)т, = (1, -1, 1)т, = (-3, 5, -6)т, = (4, -4, 5)т. Показать, что векторы образуют базис. Выразить векторв базисеи найти связь между базисоми базисом.
Решение. Векторы образуют базис, если они линейно независимы. Решим векторное уравнениеотносительно неизвестных:
.
Решение данного уравнения единственное, а именно нулевое: . Следовательно, векторыобразуют линейно независимую систему векторов и составляют базис.
Выразим связь между базисами и определим координаты вектора в новом базисе:
Выпишем для данных систем расширенную матрицу
.
Коэффициенты при неизвестных хij, хj (i,j = 1, 3) в системах совпадают. Поэтому методом Жордана–Гаусса находим одновременно решение четырех систем. Все вычисления представим в виде следующей таблицы:
Базис | |||||||
|
1
0
0
|
0
1
0 |
0
0
1 |
1
1
0 |
1
-1
1 |
-3
5
-6 |
4
-4
5 |
|
1
-1
0 |
0
1
0 |
0
0
1 |
1
0
0 |
1
-2
1 |
-3
8
-6 |
4
-8
5 |
|
1/2
1/2
-1/2 |
1/2
-1/2
1/2 |
0
0
1 |
1
0
0 |
0
1
0 |
1
-4
-2 |
0
4
1 |
|
1/4
3/2
1/4 |
3/4
-3/2
-1/4 |
1/2
-2
-1/2 |
1
0
0 |
0
1
0 |
0
0
1 |
1/2
2
-1/2 |
Матрицу А, составленную из координат векторов , преобразуем в единичную матрицуЕ, тогда на месте единичной матрицы Е получим обратную матрицу А-1. Матрица В преобразуется в матрицу А-1В. Вектор в новом базисе выражается в виде следующей линейной комбинации векторов нового базиса:.
Связь между старым и новым базисами выражается следующим образом:
.
Проверка: