
- •1.Прямые методы решения слау.
- •2)Lu-разложение.
- •2.Метод трехдиагональной матричной прогонки.
- •4. Задачи линейного программирования(лп). Регуляризация задач лп.
- •5.Регуляризация плохо обусловленных слау.
- •7. Принцип сжатых отображений в огр.Обл. Банахова пр-ва.
- •6.Обзор задач линейной алгебры. Уточнение эл-ов приближ. Обратной ма-цы .
- •8.Методы решения нелинейных одномерных у-ий.
- •9 Не лок метод Ньют (квазиньют процесс)
- •26 Полиномы Чебышева(пч)
- •33.Жёсткие начальные задачи. Неявный метод Эйлера и его устойчивость.
- •34.Жёские начальные задачи. Неявный метод средней точки и его устойчивость.
- •35.Жёсткие задачи. Неявный метод трапеций и его устойчивость.
- •25.Аппроксимация функции с помощью кубического сплайна
- •15,Численное дифференцирование
- •10,Метод секущих
- •38. Нахождение наибольшего по модулю собственного значения матрицы.
- •11. Методы решения систем нелинейных уравнений. Квазиньютоновские методы.
- •12. Интерполирование. Конечные разности, разностные отношения и их свойства.
4. Задачи линейного программирования(лп). Регуляризация задач лп.
При оптимизации экономических планов возникают задачи на минимум линейной функции n переменных при наличии линейных дополнительных условий 3-ёх типов:
L(x)=
= min, (1)
,
,
(2)
,
,
(3)
, m
,
(4)
усл. (2) или (4) определяют полупространство, ограниченное гиперплоскостью, все эти усл. определяют выпуклый n-мерный многогранник J , кот. явл. пересечением соотв. полупр-в. С математической точки зрения эти усл. однотипны. Усл.(3) выделяют из n-мерного пр-ва (n-m)-мерную плоскость. Её пересечение с областью J даёт выпуклый (n-m)-мерный многогранник G, наша задача в том, чтобы найти минимум линейной ф-ии (1) в этом многограннике G.
Примером такой задачи явл. распределение производства однотипной продукции по разным заводам.
– выпускаемое i-ым заводом кол-во продукции ( )
- себестоимость 1-го изделия на этом заводе.
-
при j>m
- расход сырья j-го
вида
при 2
- расход зарплаты и др. аналог. показатели
-
суммарный выпуск продукции по всем
заводам.
(4) – расход сырья по всем заводам, а L – себестоимость общей продукции.
X – удовл. всем дополнит. усл. , наз. планом, решение(1)-оптимальным планом. А – вектор усл., В – вектор огр.
Приведём задачу к каноническому виду, для этого введём в качестве новых переменных невязки усл. 3-го типа:
,
n<i
,
N=n+M-m (5)
Доопределим коэфф. (1) следующим образом:
,
при n<i
,
1
.
(6)
Каноническая форма з. ЛП:
Многогранник
канонических усл. образован пересечением
новой (N-M)-мерной
пл-ти усл. с первым координ. углом.
Значит у
вершины часть координат – нули, а
остальные >0.
Строки новой м-цы А линейно-независимы. Все ЛНЗ наборы столбцов А соотв. точкам пересечения пл-ти усл. с координатными гиперплоскостями.
Далее перенумеруем переменные так, чтобы первыми были базисные переменные
,
(10)
,
1
,
i
M
эл-ты м-цы, обратной к базисной квадратной
м-це, стоящей в левой части с-мы (1).
Приравнивая внебазисные корд. к нулю
и решая с-му, получим коорд. точки
пересечения пл-ти усл. с корд.
гиперплоскостью.
(11)
Если найденные координаты неотрицательны, то точка явл. вершиной многогранника канонических усл. Если хотя бы 1 <0 , эту точку надо отбросить и исследовать другой набор столбцов м-цы А . Если забракованы все точки, то это значит, что усл. 1-го и 2-го рода образуют несовместную с-му.
Различные
столбцы А могут образовывать
наборов. Поэтому в самом неблагоприятном
случае (M
N)
вершин. Если N
,
то простой перебор вершин невозможен.
2)Регуляризация задач ЛП.
Задача ЛП часто
оказывается плохо обусловленной .
поэтому не удаётся даже проверить,
может ли
реш. поставленной задачи.
Для регуляризации задач ЛП будем искать нормальное реш. х, т.е. наименее уклоняющееся от некоторого заданного х0 (х0- ранее составленный план)
Возьмём (7).
Дополнительное усл Ах=b,
вводим штрафную ф-ию
2
2=min,
>0
(12)
Норма
определяется как
Усл.
близости реш. к заданному вектору можно
считать малость
или малость величины
[x]=
2
,
>0
(13)
Эту величину можно считать штрафом и прибавлять в качестве дополнит. слагаемого в левую часть (12), тогда получаем регуляризованную задачу:
M[x]= 2+ 𝝀𝜴[x]=min , 𝝀, >0 (14)
При
решении (14) усл. неотрицательности можно
не принимать во внимание M[x]
– квадратичная форма, поэтому нахождение
min
сводится к решению с-мы линейных у-ий.
Т.к. задача регуляризованна, то линейная
с-ма будет хорошо обусловлена, тогда
её реш. при большом числе неизв. N
легко вычислить методом исключения
Гаусса. Более сложно выбрать параметры
регуляризации 𝝀,
подбирают так чтобы выполнялось усл.
,
где
-допустимая погр. выч., т.к. его компоненты
и коэф. А известны неточно.
Аналогично
𝝀
связывают с погр.
и
с допустимыми отклон. L(x)
от min.
При численном реш. (14) приходится находить серию регуляриз. реш., соотв. разным знач. 𝝀 и и выбирать оптимальные параметры.