![](/user_photo/2706_HbeT2.jpg)
- •Раздел 3. Сведения из математического анализа и линейной алгебры
- •3.1. Множества и действия над ними
- •3.2. Отношения и функции
- •3.3. Метрические и векторные пространства
- •3.4. Выпуклые множества и функции
- •3.5. Дифференцирование функции
- •3.6. Матрицы и векторы
- •Раздел 1. Линейное программирование…………………3
- •Раздел 2. Нелинейное программирование…………..…49
- •Раздел 3. Сведения из математического анализа и
- •Основы исследования операций
3.5. Дифференцирование функции
Дифференцируемость. Вещественная функция п переменных f(x) = f(x1, …, хп) является дифференцируемой в точке х0 = (х10, …, хп0)Т, если существует вектор а = (а1, … , ап)Т, такой, что имеет место
,
где h = (h1, …, hn)T произвольный вектор (или точка) пространства Еп, h - норма вектора h. Координаты аj, j = 1, …, n, вектора а называются частными производными функции f(x):
,
, j = 1, …, n.
Функция f(x) называется дифференцируемой, если она дифференцируема во всех точках области определения. В этом случае вектор – столбец частных производных функции
f(x)/х
= (
называется градиентом и обозначается символом хf(x).
В приложениях широкое применение получила эластичность дифференцируемой функции, которая определяется в виде
,
j = 1, …, n.
По существу она представляет собой отношение частной производной по конкретной переменной к средней величине функции при фиксированных значениях остальных переменных, другими словами, она характеризует относительное изменение функции при единичном относительном изменении одной определенной координаты, поэтому в теории управления эластичность носит название относительной чувствительности. Величина = 1 + … + п характеризует локальное поведение функции в каждой точке области ее определения.
Функция называется непрерывно дифференцируемой, если она дифференцируема и все ее частные производные непрерывны. Дифференцируя частные производные, получаем производные второго порядка
.
Матрица Н, элементы которой – суть вторые частные производные, называется матрицей Гессе. Если функция непрерывно дифференцируема, то значение вторых частных производных не зависит от порядка дифференцирования, т.е.
.
Тогда матрица Н является симметричной, т.е. hij = hji i,j, что равносильно условию Н = НТ. С дважды дифференцируемой функцией связываются понятия полного дифференциала и второго полного дифференциала, определяемые соответственно в виде
,
.
Вещественная функция называется однородной степени r, если в любой точке области определения и для произвольного имеет место
.
Однородные дифференцируемые функции удовлетворяют легко доказуемой теореме Эйлера
Рекомендуем студентам самостоятельно убедиться в справедливости этого уравнения. Показать также, используя функцию (t) = f(tx)/tr, что теорема Эйлера содержит необходимые и достаточные условия однородности функции степени r.
3.6. Матрицы и векторы
Матрица. Матрицей называется
прямоугольная таблица вещественных
чисел. Число строк и столбцов матрицы
определяет ее размерность, например,
- матрица
- это таблица, имеющая m
строк и n
столбцов; aij,
i = 1, …, m; j =
1, …, n, - элементы
А; при m = n
матрица А называется квадратной;
в квадратной матрице все элементы,
у которых i = j, начиная
с элемента верхнего левого угла и кончая
элементом правого нижнего
угла, называются элементами главной
диагонали; квадратная матрица
называется единичной, если все
элементы главной диагонали равны
единице, а все остальные элементы равны
нулю; элементы строк и столбцов составляют
соответственно векторы-строки и
векторы-столбцы; при m
= 1 матрица превращается в
вектор-строку, а при п = 1- вектор-столбец;
квадратная матрица называется
диагональной, в которой все элементы,
стоящие вне главной диагонали, равны
нулю; квадратная матрица называется
треугольной, у которой все элементы,
стоящие по одну из сторон главной
диагонали, равны нулю; сумма элементов
главной диагонали квадратной матрицы
называется ее следом и обозначается
через tr(A) =
,
где п – число строк или столбцов
матрицы - ее порядок (пхп –
размерность матрицы).
Матрицы А и В равны, т.е. А = В, если равны их элементы: aij = bij, i = 1, …, m, j = 1,…, n; аналогично определяются и другие отношения между ними: «», «», «», «» и т.д.
Над
матрицами выполняются операции сложения
и вычитания: А
В = С
aij
bij
= cij
i,j; умножение на скаляр: А
= В
aij
= bij,
i,j; умножение матрицы на матрицу:
если А имеет размерность (mxr),
а В – размерность (rxn),
тогда их произведение АВ = С, где
С имеет размерность (mxn)
и при этом cij
=
,
i = 1, …,
m, j = 1, …, n;
транспонирование: АТ
означает, что строки матрицы А
являются столбцами матрицы АТ,
и наоборот; обращение матрицы:
квадратная матрица А и ее обратная
матрица А-1 связаны
соотношением АА-1 = I,
где I – единичная
матрица; матрицу A-1
можно определить как A-1
=(Сij)T/|A|
= ((-1)i+jMij)/|A|,
где (Cij)
– матрица, состоящая из алгебраических
дополнений элемента aij
матрицы А, Mij
- определитель матрицы, получающейся
из квадратной матрицы А, путем
вычеркивания ее i-ой
строки и j-ого
столбца, |A| - ее
определитель. Представляют интерес
соотношения I-1
= I; с операцией обращения связаны
выражения (AB)-1
= B-1A-1;
(A-1)-1
= A; (AT)-1
= (A-1)T;
наконец, если А – неотрицательная
квадратная матрица, то матрица I - A
имеет неотрицательную обратную матрица
тогда, и только тогда, когда I
- A удовлетворяет
условию Хоукинса – Саймона, т.е. все
ее главные миноры положительны и, кроме
того, имеет место
разложение (I -
A)-1
= I+A+A2+…
Ранг матрицы. Рангом (А) матрицы А называется максимальное число ее линейно независимых строк (или столбцов), другими словами, ранг матрицы – это размерность подпространства, «натянутого» на строки или столбцы матрицы А. Ранг прямоугольной матрицы А отвечает условию 0 (А min (m, n), где m и n – соответственно числа строк и столбцов А. Представляют интерес соотношения, связанные с рангом матрицы: (А) = (АТ) = (АТА); (А+В) (А) + (В),если матрицы А и В имеют один и тот же порядок; (АВ) min{(А), (В)}, если произведение АВ определено.
Еесли выполняется условие (А) = п, то квадратная матрица А называется невырожденной.
Скалярное произведение. Скалярным
произведением двух (пх1) -векторов
(внутреннее произведение) называется
выражение xTy
= yTx
=
представляют
интерес соотношения
.
Собственный вектор. Собственным (или характеристическим) вектором квадратной матрицы А называется ненулевой вектор х, который после преобразования А переходит в вектор, отличающийся от х лишь на постоянный числовой множитель, т.е. Ах = х. Величина называется характеристическим корнем для матрицы А. Записывая это преобразование в виде уравнения (А - I)х = 0, приходим к выводу, что ненулевое его решение существует лишь в том случае, если определитель матрицы А - I равен нулю, т.е. det(А - I) = 0. Это уравнение называется характеристическим уравнением. Оно является алгебраическим уравнением степени п относительно :
det(А - I) =(-)п + а1(-)п-1 + … + ап-1(-) + ап = 0,
если А – матрица порядка (пхп). Это алгебраическое уравнение имеет п необязательно различных корней 1, 2, …, п. Для приложений представляют интерес следующие соотношения, связанные с этими корнями: их сумма равна следу матрица А, а произведение – ее определителю.
Решение системы. Система линейных уравнений
,
или в матричной
форме Ax = b,
где A – (
)
– матрица коэффициентов аij,
(mx1)
вектор коэффициентов правых частей,
х – (пх1) – вектор переменных, либо
имеет решение (единственное или
неединственное), либо не имеет решения.
Решение существует тогда, и только
тогда, когда имеет место (А)
=r. Если решение
существует, то оно будет единственным
тогда, и только тогда, когда r
= п. Если решение существует, но имеет
место r
п, то п - r
переменным можно присваивать
произвольные значения. Если m
= n и (А)
=n, то решение
единственно. Его можно получить с помощью
уравнения x= A-1b.
При m n и существовании (mхm) – матрицы В полного ранга, систему Ах = b, х≥ 0 можно представить в виде
откуда, ввиду того, что, по определению В, ее обратная матрица В-1 существует, следует решение для хВ в виде
хB = B-1b – B-1NхN.
Если в этом выражении положит хN = 0, то получим хB = B-1b. Если хB ≥ 0, оно называется допустимым базисным решением, а матрица В - базисом для пространства, образованного векторами-столбцами матрицы А.
Квадратичная форма. Если А – квадратная матрица порядка (пхп), а х – (пх1) –вектор из Еп, то функция xTAx называется квадратичной формой. Матрица А называется положительно определенной (полуопределенной), если xTAx 0 () для всех ненулевых х. Она называется отрицательно определенной (полуопределенной), если xTAx 0 () для всех ненулевых х.
Оказывается, что если матрица Н – положительно определена (полуопределена), то функция f(x) =аТх + xTAx является строго выпуклой (выпуклой) функцией, а в случае, когда Н отрицательно определена (полуопределена), функция f(x) является строго вогнутой (вогнутой) функцией. Эти свойства матрицы Н играют важную роль в нелинейном программировании, в частности, квадратичном программировании.
Л И Т Е Р А Т У Р А
Исследование операций. В 2-х томах. /Под ред. Дж. Моудера и С. Элмаграби. Т.1. Методологические основы и математические методы. –М.: МИР, 1981. –712 с. Т.2. Модели и применения. –М.: МИР, 1981. –677 с.
Таха Х. Введение в исследование операций. –М.: МИР, 2002. –980 с.
Вентцель Е.С. Исследование операций. Задачи, принципы, методология. –М.: Наука, 1988. –208 с.
Кудрявцев Е.М. Исследование операций в задачах, алгоритмах и программах. –М.: Радио и связь, 1984. –450 с.
Дегтярев Ю.И. Исследование операций. –М.: Высшая школа, 1986.
Базара М., Шетти К. Нелинейное программирование. Теория и алгоритмы. –М.: МИР, 1982. –583 с.
Банди Б. Методы оптимизации. Вводный курс. –М.: Радио и связь, 1988. –128 с.
Ашманов С.А., Тимохов А.В. Теория оптимизации в задачах и упражнениях. –М.: Наука, 1991. –448 с.
Шалобаев С.И. Математические методы и модели в экономике, финансах, бизнесе. -М.: ЮНИТИ-ДАНА, 2001. –367 с.
Саркисян Р.Е. Отношение предпочтения в процедурах выбора и принятия решений. –М.: МИИТ, 2002. – 48 с.
С О Д Е Р Ж А Н И Е