Семестровая 1 (Методы оптимальных решений) / Методы оптимальных решений учебное пособие
.pdfприведена к виду
|
|
|
|
|
|
|
1 0 0 |
|
|
−1 / 9 1 / 3 −1 / 9 |
||||||||
|
|
|
|
|
|
|
|
|||||||||||
|
|
(E | A |
−1 |
|
|
0 1 0 |
|
|
1 / 9 |
2 / 3 −8 / 9 |
|
|||||||
|
|
|
) = |
|
|
. |
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 0 1 |
|
|
4 / 9 −1 / 3 4 / 9 |
||||||||
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Т а б л и ц а 2.5.1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
(A|E) |
|
|
|
|
Примечания |
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
1 |
|
|
|
2 |
|
|
1 |
|
|
0 |
|
0 |
|
(1/4)×II ® I |
|
|
|
4 |
0 |
|
|
|
1 |
|
|
0 |
|
|
1 |
|
0 |
|
I ® II |
|
|
|
3 |
–1 |
|
|
|
1 |
|
|
0 |
|
|
0 |
|
1 |
|
III ® III |
|
|
|
1 |
0 |
|
|
|
1/4 |
|
|
0 |
|
|
1/4 |
|
0 |
|
I ® I |
|
|
|
0 |
1 |
|
|
|
2 |
|
|
1 |
|
|
0 |
|
0 |
|
II ® II |
|
|
|
3 |
–1 |
|
|
|
1 |
|
|
0 |
|
|
0 |
|
1 |
|
III – 3×I ® III |
|
|
|
1 |
0 |
|
|
|
1/4 |
|
|
0 |
|
|
1/4 |
|
0 |
|
I ® I |
|
|
|
0 |
1 |
|
|
|
2 |
|
|
1 |
|
|
0 |
|
0 |
|
II ® II |
|
|
|
0 |
–1 |
|
|
|
1/4 |
|
|
0 |
|
|
–3/4 |
1 |
|
III + II ® III |
|
||
|
1 |
0 |
|
|
|
1/4 |
|
|
0 |
|
|
1/4 |
|
0 |
|
I ® I |
|
|
|
0 |
1 |
|
|
|
2 |
|
|
1 |
|
|
0 |
|
0 |
|
II ® II |
|
|
|
0 |
0 |
|
|
|
9/4 |
|
|
1 |
|
|
–3/4 |
1 |
|
(1/3) III ® III |
|
||
|
1 |
0 |
|
|
|
1/4 |
|
|
0 |
|
|
1/4 |
|
0 |
|
I – (1/4) III ® I |
|
|
|
0 |
1 |
|
|
|
2 |
|
|
1 |
|
|
0 |
|
0 |
|
II – 2 III ® II |
|
|
|
0 |
0 |
|
|
|
1 |
|
|
4/9 |
|
|
–1/3 |
4/9 |
|
III ® III |
|
||
|
1 |
0 |
|
|
|
0 |
|
|
–1/9 |
1/3 |
|
–1/9 |
|
I – (1/4) III ® I |
|
|||
|
0 |
1 |
|
|
|
0 |
|
|
1/9 |
|
|
2/3 |
|
–8/9 |
|
II – 2 III ® II |
|
|
|
0 |
0 |
|
|
|
1 |
|
|
4/9 |
|
|
–1/3 |
4/9 |
|
III ® III |
|
||
|
Таким образом, получена искомая обратная матрица |
|||||||||||||||||
|
|
|
|
|
|
|
|
|
−1 / 9 |
1 / 3 |
−1 / 9 |
|
|
|
||||
|
|
|
|
|
|
A |
−1 |
= |
|
2 / 3 −8 / 9 |
|
|
|
|
||||
|
|
|
|
|
|
|
1 / 9 |
. |
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
4 / 9 |
−1 / 3 4 / 9 |
|
|
|
|||||
|
Сделаем проверку: по определению обратной матрицы должно вы- |
|||||||||||||||||
полняться равенство A −1A = AA −1 = E . В нашем случае |
|
|
|
|||||||||||||||
|
|
|
|
|
|
-1 / 9 3 / 9 |
-1 / 9 0 |
1 2 |
|
|
||||||||
|
|
A |
−1 |
A |
= |
|
|
|
|
|
|
|
-8 / 9 |
|
|
|
= |
|
|
|
|
1 / 9 |
6 / 9 |
|
|
4 |
0 1 |
|
|
||||||||
|
|
|
|
|
|
|
|
|
-3 / 9 |
|
|
-1 1 |
|
|
|
|||
|
|
|
|
|
|
4 / 9 |
4 / 9 3 |
|
|
|
|
|
(-1× 0 + 3 |
× 4 -1×3) / 9 |
[-1 |
×1 + 3 |
× 0 -1× (-1)] / 9 |
(-1× 2 + 3 |
×1 -1×1) / 9 |
|
|
||||||
= |
|
(1× 0 |
+ 6 |
× 4 |
- 8 ×3) / 9 |
[1×1 |
|
+ 6 |
× 0 |
- 8 × (-1)] / 9 |
(1× 2 |
+ 6 |
×1 |
- 8 ×1) / 9 |
|
= |
|
|
|
||||||||||||||
|
|
|
- 3 × 4 |
+ 4 ×3) / 9 |
[4 ×1 |
- 3 × 0 |
+ 4 × (-1)] / 9 |
(4 × 2 |
- 3 ×1 |
+ 4 ×1) / 9 |
|
|
||||
|
(4 × 0 |
|
|
71
|
|
1 |
0 |
0 |
|
|
= |
|
0 |
1 |
0 |
|
= E — |
|
|
|||||
|
|
|
0 |
1 |
|
|
|
0 |
|
|
верно. Аналогично можно проверить, что AA−1 = E .
§ 2.6. ОБРАЩЕННЫЙ БАЗИС СИСТЕМЫ ЛИНЕЙНЫХ АЛГЕБРАИЧЕСКИХ УРАВНЕНИЙ
Пусть дана система k линейных алгебраических уравнений с n неизвестными (2.3.1).
Исследуем ее, вычислив ранги матрицы системы и расширенной матрицы с помощью миноров. Предположим, что она оказалась совместной, все уравнения линейно независимы и пусть, для определенности, ненулевой минор Mk наивысшего порядка k (базисный минор) порождает-
ся подматрицей
|
a11 |
a12 |
a1k |
|
|
|
|
|
|
|
|
Q = a21 |
a22 |
|
a2k |
, . |
|
k |
|
|
|
|
|
|
|
|
|
|
|
|
|
ak 2 |
|
|
|
|
ak1 |
|
akk |
|
составленной из коэффициентов при первых m неизвестных. Для матрицы Qk найдем обратную матрицу
|
u11 |
u12 |
u1k |
|
|
|
u22 |
|
|
Q−1 = u21 |
|
u2k . |
||
k |
|
|
|
|
|
|
|
|
|
|
|
uk 2 |
|
|
|
uk1 |
|
ukk |
Матрицу Q−k 1 называют обращенным базисом.
Запишем систему уравнений (2.3.1) в матричной форме и умножим обе части слева на матрицу Q−k 1 :
u11
u21
uk1
u12 u1k
u22 u2k
uk 2 ukk
a11 |
a12 |
a1k |
a1,k +1 |
a1n |
|
a22 |
a2k |
a2,k +1 |
a2n |
a21 |
||||
|
|
|
|
|
|
ak 2 |
akk |
ak ,k +1 |
akn |
ak1 |
x |
|
|
1 |
|
|
x2 |
|
= (2.6.1) |
|
|
|
|
|
|
xn |
|
|
72
u11 = u21
uk1
Обозначим
u12 u1k
u22 u2k
uk 2 ukk
b1
b2 .
bk
gij = ui1a1 j + ui 2a2 j + …+ uik akj , hi = ui1b1 + ui 2b2 + …+ uik bk
или
g1 j g = g2 j
j
gkj
u11
= u21
u
k1
u12 u1k
u22 u2k
uk 2 ukk
a1 j
a2 j
akj
|
|
h |
|
u |
|
|
1 |
|
11 |
|
, |
h = h2 |
= u21 |
|
|
|
|
|
|
|
|
|
|
|
|
|
hk |
uk1 |
|
|
|
u12 u1k
u22 u2k
uk 2 ukk
b1
b2 .
bk
Тогда равенство (2.6.1) можно переписать в виде
1 |
0 0 |
g1,k +1 |
g1n |
||
|
0 |
1 |
0 |
g2,k +1 |
g2n |
|
|||||
|
|
|
|
|
|
|
0 |
0 |
1 |
gk ,k +1 |
gkn |
|
x |
|
h |
|
1 |
|
1 |
|
x2 |
= h2 |
||
|
|
|
|
|
|
|
|
xn |
|
hn |
|
или
x1 |
|
+ g1,k +1xk +1 + …+ g1n xn = h1, |
||
|
x2 |
+ g2,k +1xk +1 |
+ …+ g2n xn |
= h2 , |
|
||||
|
|
|
|
(2.6.2) |
|
|
|
|
|
|
|
xk + gk ,k +1xk +1 + …+ gkn xn = hk . |
||
|
|
Мы пришли к предпочитаемому эквиваленту исходной системы линейных алгебраических уравнений. Базисными оказались те неизвестные, из коэффициентов при которых был составлен ненулевой минор наивысшего порядка при исследовании системы. Особо подчеркнем, что матри- цы-столбцы коэффициентов при неизвестных и свободных членов в исходной и предпочитаемой формах системы связаны соотношениями
g |
j |
= Q−1a |
, |
j = 1, 2, …, n, h = Q−1b. |
(2.6.8) |
|
k j |
|
k |
|
Из (2.6.2) получаем для исходной системы общее решение
73
x1 = h1 − g1,k +1xk +1 − …− g1n xn , |
|||||
|
|
= h2 − g2,k +1xk +1 |
− …− g2n xn , |
||
x2 |
|||||
|
|
|
|
|
|
|
|
|
|
|
|
x = h − g |
x |
− …− g |
x |
||
|
k |
k |
k ,k +1 k +1 |
|
kn n |
Общее решение часто записывают в матричной форме:
xбаз. = Q−k 1b − Q−k 1Rxсвоб. ,
где
x |
|
|
x |
+1 |
|
|
a |
a |
a |
|||
|
1 |
|
|
|
k |
|
|
|
1, k +1 |
1, k +2 |
1n |
|
xбаз. = x2 |
|
, |
xсвоб. = xk +2 |
|
, |
R = a2, k +1 |
a2, k +2 |
a2n |
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x |
|
|
|
x |
|
|
|
|
|
a |
a |
|
|
|
|
n |
|
|
a |
|||||
k |
|
|
|
|
k ,k +1 |
k , k +2 |
kn |
.
И еще одно важное замечание. Пусть a j — вектор-столбец, компонентами которого являются коэффициенты при неизвестной x j в системе
уравнений (2.3.1), а b — вектор-столбец правых частей уравнений той же системы. В силу предположения векторы a1,a2 ,…,ak образуют базис си-
стемы векторов a1,a2 ,…,ak , ak +1,ak +2 ,…,an ,b . Пусть g j — вектор-столбец коэффициентов при неизвестной x j в предпочитаемой форме системы
уравнений, а h — столбец свободных членов. Тогда можно доказать, что координаты векторов g j и h являются коэффициенты разложения векторов
соответственно a j и b по базисным векторам a1,a2 ,…,ak :
a j = g1 ja1 + g2 ja2 + + gkjak , j = 1, 2, …, n, b = h1a1 + h2a2 + + hmam .
§ 2.7. МОДЕЛЬ МЕЖОТРАСЛЕВОГО БАЛАНСА
Идеи модели межотраслевого баланса, рассматриваемой в данном разделе, впервые возникли в 1920-х гг. в работах экономистов молодой Советской России, которые строили модель плановой экономики, удовлетворяющей спрос конечных потребителей. Наибольшее развитие эти идеи получили в трудах В. Леонтьева, эмигрировавшего к тому времени в США. В 1973 г. за эти исследования В. Леонтьеву была присуждена Нобелевская премия в области экономики.
Пусть производственный сектор национальной экономики разделен на n ч и с т ы х о т р а с л е й (например, «машиностроение», «энергетика», «транспорт» и т. д.), каждая отрасль производит один вид продукции, различные отрасли выпускают разную продукцию. В процессе производства каждая отрасль может расходовать как свою продукцию, так и про-
74
дукцию других отраслей, поэтому на непроизводственное потребление, вообще говоря, идет не вся выпущенная продукция (часть ее тратится в процессе производства).
Введем обозначения: aij — количество продукции i-й отрасли, расходуемое в процессе производства единицы продукции j-й отрасли, xi — план выпуска i-й отрасли, ci — спрос на продукцию i-й отрасли в непроизводственной сфере.
Матрица A = (aij) называется матрицей прямых затрат. Если считать сложившиеся производственные технологии н е и з м е н н ы м и в о в р е м е н и, то матрица A будет постоянной.
Кроме того, будем считать технологии л и н е й н ы м и: если для выпуска единицы продукции j-й отрасли необходимо израсходовать aij единиц продукции i-й отрасли, то для выпуска xj единиц продукции j-й отрасли необходимо израсходовать aijxj единиц продукции i-й отрасли.
В этих предположениях объем продукции i-й отрасли, потребляемый всеми n отраслями в процессе производства, равен
n
∑aij x j , j =1
поэтому на конечное непроизводственное потребление остается
n
xi − ∑aij x j j =1
единиц продукции i-й отрасли.
Значит, чтобы конечный спрос был обеспечен, необходимо выполнение б а л а н с о в ы х р а в е н с т в
n
xi − ∑aij x j = сi , i =1, 2, …, n .
j =1
Эти равенства можно записать в |
м а т р и ч н о й ф о р м е: |
|||
x − Ax = с |
или |
|
(E − A )x = с , |
|
где |
|
|
|
|
|
x1 |
|
|
|
|
x |
|
— |
|
|
x = |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
xn |
|
|
|
вектор валового выпуска, |
|
|
|
|
|
c1 |
|
|
|
|
c |
|
— |
|
|
c = |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
cn |
|
|
75
вектор конечного непроизводственного потребления,
|
1 |
0 |
0 |
|
|
|
0 |
1 |
0 |
|
|
E = |
|
— |
|||
|
|
|
|
|
|
|
|
0 |
1 |
|
|
0 |
|
|
единичная матрица.
Из матричной формы модели Леонтьева
(E − A )x = c
можно выразить зависимость вектора валового выпуска x от вектора конечного непроизводственного потребления y:
x = (E − A)−1c ,
матрица (E − A)−1 называется при этом матрицей полных затрат.
Модель Леонтьева называется продуктивной, если она разрешима в неотрицательных x.
ПРИМЕР 2.7.1. В модели Леонтьева даны матрица прямых затрат
1 / 2 |
1 / 4 |
|
A = |
1 / 3 |
|
|
1 / 2 |
и вектор конечного спроса
c= 3 .
2
Требуется найти вектор x валового выпуска, обеспечивающий данный
спрос.
Решение. Найдем матрицу полных затрат (E – A)–1 :
|
|
1 / 2 |
−1 / 4 |
|
||
E − A = |
|
|
|
, |
||
|
|
−1 / 3 |
1 / 2 |
|
||
процесс вычисления матрицы (E – A)–1 |
с помощью метода Жордана — |
|||||
Гаусса иллюстрируется табл. 2.7.1. |
|
|
|
|
||
|
|
|
|
|
|
Т а б л и ц а 2.7.1 |
|
|
|
|
|
|
|
|
|
(A|E) |
|
|
|
|
|
|
|
|
|
|
|
|
1/2 |
–1/4 |
1 |
0 |
|
|
|
|
|
|
|
|
|
|
–1/3 |
1/2 |
0 |
1 |
|
|
|
1 |
1/2 |
2 |
0 |
|
|
|
0 |
1/3 |
2/3 |
1 |
|
|
|
|
|
|
|
|
|
|
1 |
0 |
3 |
3/2 |
|
|
|
0 |
1 |
2 |
3 |
|
|
|
|
|
|
|
|
|
76
Теперь поясним, как получить тот же результат в пакете Microsoft Excel. Введем матрицу (E – A) в ячейки A2:C3 рабочего листа Microsoft Excel, как показано на рис. 3.2.1, а.
Матрица (E – A)–1 имеет две строки и два столбца, отведем под результат ячейки D2:E3. В ячейку D2 введем формулу «=МОБР(A2:B3)», причем эту формулу необходимо ввести как ф о р м у л у м а с с и в а. Для этого нужно мышью выделить диапазон D2:E3, начиная с ячейки D2, содержащей формулу, затем нажать клавишу <F2>, а затем — комбинацию клавиш <Ctrl> + <Shift> + <Enter>. Результат представлен на рис. 3.2.1, б (в ячейках D2:E3). Замечаем, что результаты ручного и компьютерного вычисления обратной матрицы совпали. Если формулу ввести не как формулу массива, то будет рассчитан только левый верхний элемент результата: число 3.
|
A |
B |
C |
D |
E |
1 |
E – A |
|
|
(E – A)–1 |
|
|
2 |
|
0,5 |
–0,25 |
=МОБР(A2:B3) |
||
|
3 |
|
|
– |
|
|
|
|
|
0,33333 |
0,5 |
|
|
||
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
а) формула Microsoft Excel
1
2
3
|
A |
|
|
B |
|
|
C |
|
|
D |
|
|
E |
|
|
|
|
|
|
|
|
|
|
|
|||||
|
E – A |
|
|
|
|
|
|
|
(E – A)–1 |
|
|
|
||
0,5 |
|
–0,25 |
|
|
|
3 |
|
1,5 |
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
– |
|
|
|
|
|
|
|
|
|
3 |
|
||
0,33333 |
0,5 |
|
|
|
2 |
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
б) результаты расчета
Рис. 3.2.1. Вычисление матрицы полных затрат с помощью Microsoft Excel
Таким образом, матрица полных затрат
|
3 |
3 / 2 |
|
|
(E − A)−1 = |
|
3 |
|
, |
2 |
|
|
Теперь можно найти вектор валового выпуска, обеспечивающий
конечный спрос c: |
|
|
|
|
|
3 |
3 / 2 3 |
12 |
|
||
x = (E − A)−1c = |
|
|
= |
|
. |
2 |
3 |
2 |
12 |
|
|
77
КОНТРОЛЬНЫЕ ВОПРОСЫ И ЗАДАНИЯ
1.Приведите примеры векторов и матриц из экономической практики.
2. Даны векторы a = (15, –12, 2) и b = (8, 16, 24). Найдите a + b, a − b ,
2a + 3b, − a + 2b .
3.Даны матрицы
|
4 |
−1 |
− 3 |
|
|
|
2 |
8 |
|
|
|
|
−1 |
|
|
|
|
||||
A = |
2 |
5 |
|
, |
B = |
3 |
− 4 |
|
, |
|
3 |
0 |
− 2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
7 |
1 |
|
1 |
|
|
||||
0 |
|
|
|
|
|
|
|
3
c = 1 ,
5−2 .
1 |
1 |
0 |
−1 |
|
d = (5 2 3 1), E = |
|
|
− 2 |
|
|
2 |
0 |
1 |
Найдите матрицы AB, cd, dc, BE − AT , если они существуют.
4.Найдите AB – BA и CD – DC, если
2 |
5 |
|
2 |
8 |
|
|
|
3 2 |
− 2 |
|
|
5 |
0 |
0 |
||||
|
|
C = |
|
|
|
|
|
|
D = |
|
|
|
|
|
||||
A = |
|
, |
B = |
|
, |
|
4 |
1 |
0 |
|
, |
|
0 |
5 |
0 |
. |
||
1 |
0 |
|
3 |
− 4 |
|
|
|
−1 |
5 |
2 |
|
|
|
|
0 |
0 |
5 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
5.Найдите ранги матриц из задач 3 и 4.
6.Исследуйте данные системы линейных уравнений методом последовательного исключения неизвестных и в случае совместности найдите общее решение, не менее двух базисных решений и какоенибудь одно частное небазисное решение:
|
4x1 − x2 + 2x3 − 3x4 = 2, |
|
2x1 + x2 − 3x3 − 2x4 = 2, |
||||||||||
а) |
|
2x |
+ 3x |
− x |
+ x |
= 5, |
б) |
3x |
+ x |
− 2x − 2x |
4 |
= 2, |
|
|
|
1 |
2 |
3 |
4 |
|
|
1 |
2 |
3 |
|
||
|
2x − 4x + 3x − 4x |
= 3; |
|
|
x + x − 4x − 3x = 3. |
||||||||
|
|
1 |
2 |
3 |
4 |
|
|
1 |
2 |
3 |
4 |
|
7.Найдите не менее двух базисных неотрицательных решений для каждой из систем, представленных в задаче 6.
8.Для данных матриц найдите обратные или докажите необратимость:
а) 1 |
0 ; |
б) 2 |
0 ; |
|
12 4 |
7 |
5 −1 11 |
|
в) −7 − 2 |
4 ; |
г) 4 |
1 7 . |
|||||
1 |
1 |
0 |
2 |
|
1 −1 |
|
|
|
|
|
|
|
|
1 |
1 |
−1 3 |
78
ГЛАВА 3. МЕТОДЫЛИНЕЙНОГОПРОГРАММИРОВАНИЯ
§ 3.1. ПОСТАНОВКА ЗАДАЧИ ЛИНЕЙНОГО ПРОГРАММИРОВАНИЯ
Многие проблемы, возникающие в экономических исследованиях, планировании и управлении, будучи сформулированными математически, представляют собой задачи, в которых необходимо решить систему линейных алгебраических уравнений или неравенств и среди всех неотрицательных решений найти то решение, при котором линейная функция принимает наибольшее или наименьшее значение. Изучение методов исследования и решения математических задач указанного типа составляет содержание раздела математики, который называется линейным программированием.
Основная задача линейного программирования выглядит сле-
дующим образом.
Дана система m линейных уравнений с n неизвестными:
a11x1 + a12 x2 +…+ a1n xn = b1, |
|
||||||
|
|
+ a22 x2 |
+…+ a2n xn |
= b2 |
, |
||
a21x1 |
|||||||
|
|
|
|
|
|
|
(3.1.1) |
|
|
|
|
||||
a |
x |
+ a |
x |
+…+ a |
x |
= b , |
|
|
m1 1 |
|
m2 2 |
|
mn n |
m |
|
где все неизвестные могут принимать только неотрицательные значения:
x1 0, x2 0, …, xn 0 , |
(3.1.2) |
и линейная функция от тех же переменных |
|
z = c1 x1 + c2 x2 +…+ c n xn , |
(3.1.3) |
называемая ц е л е в о й ф у н к ц и е й.
Требуется среди всех решений системы уравнений (3.1.1) найти такое неотрицательное решение, при котором целевая функция (3.1.3)
принимает наибольшее возможное значение.
Любое неотрицательное решение системы уравнений (3.1.1) называют допустимым решением, а то допустимое решение, при котором целевая функция (3.1.3) принимает наименьшее значение, называют оптимальным
79
решением задачи линейного программирования (3.1.1)—(3.1.3). Кратко задачу формулируют так: найти вектор (x1, x2 , …, xn ) , минимизирующий целе-
вую функцию (3.1.3) при линейных ограничениях (3.1.1) и (3.1.2).
Мы остановились на вполне определенной формулировке основной задачи линейного программирования, имея в виду, что если в математической модели какой-либо конкретной задачи планирования будут содержаться линейные неравенства, то их можно заменить линейными уравнениями с помощью дополнительных неотрицательных неизвестных. Кроме того, если в конкретной задаче будет необходимо найти наименьшее возможное значение некоторой линейной функции u = c1 x1 + c2 x2 +…+ c n xn при линейных
ограничениях, то для приведения такой задачи к принятому нами виду основной задачи линейного программирования достаточно линейную функцию u заменить противоположной ей функцией v = −c1 x1 − c2 x2 −…− c n xn ,
так как если функция v принимает набольшее значение при некоторых значениях переменных, то при тех же значениях переменных функция u примет наименьшее возможное значение.
Может случиться также, что в математической модели конкретной задачи некоторые переменные по своему содержательному смыслу могут принимать и отрицательные значения. Тогда для каждой такой переменной
xj |
вводят |
две новые неотрицательные переменные x′j и x′′j , такие что |
x j |
= x′j − x′′j |
, и заменяют xj этой разностью в системе ограничений и целевой |
функции, после чего задача приводится к стандартному виду.
Не всегда удобно пользоваться формулировкой задачи линейного программирования (3.1.1)—(3.1.3). В частности, вместо системы линейных уравнений (3.1.1) целесообразно иногда иметь систему линейных неравенств. Чтобы перейти от системы линейных уравнений к системе линейных неравенств, достаточно заметить, что уравнение
ai1 x1 + ai 2 x2 +…+ ain xn = bi
равносильно системе двух неравенств:
ai1 x1 + ai 2 x2 +…+ ain xn bi ,ai1 x1 + ai 2 x2 +…+ ain xn bi .
С другой стороны, если в математической модели конкретной задачи условия, которыми связаны переменные целевой функции, представляют собой систему линейных алгебраических неравенств, то ее можно заменить некоторой системой линейных алгебраических уравнений с бó льшим числом неизвестных и привести задачу к принятому нами виду основной задачи линейного программирования.
Поэтому задачу линейного программирования нередко формулируют как задачу минимизации или максимизации линейной функции (3.1.3) при ограничениях
80