
- •1.Слау:_основные_определения, каноническая форма записи слау.
- •2.Исследование и решение слау методом_последовательного исключения неизвестных Жордана, нахождение_различных предпочитаемых эквивалентов данной слау и базисных решений, общего решения.
- •6.Системы линейных алгебраических неравенств.
- •8.Обратная матрица: определение, свойства, ур-е существования.
- •10 Обращенный базис слау. Приведение слау к предпочитаемому виду с помощью обращенного базиса.
- •12. Общая задача математического прог-раммирования
- •13. Различные формулировки задачи линейного программирования, функция цели, допустимые и оптимальные решения. Основная задача лп, ее векторная и матричная формы записи.
- •16. Симплексный метод лп: исследование данного базисного допустимого решения на оптимальность, условия оптимальности в случае минимизируемой и максимизируемой функции цели.
- •17. Симплексный метод лп: условие единственности базисного оптимального решения. Условие неограниченности целевой ф-ии на множестве допустимых решений.
- •21.Основное_нерав-во_теории двойственности.
- •30. Динамическое программирование как метод решения многошаговых задач управления. Параметр состояния и функция состояния. Принцип оптимальности и рекуррентные соотношения.
- •31. Задача распределения капитальных вложений: постановка, математическая модель и решение методом динамического программирования.
- •33. Матричная игра как модель конфликтной ситуации. Матрица игры двух лиц с нулевой суммой. Верхняя и нижняя цена игры, седловая точка. Чистые и смешанные стратегии игроков.
- •35. Матричная игра как модель конкуренции и сотрудничества. Графическое решение игр с матрицей типа 2xn и mx2. Доминирование чистых стратегий.
- •36. Матричная игра типа mxn. Критерий оптимальности стратегий.
- •38. Основная теорема теории игр, выражение оптимальных стратегий игроков через решения пары двойственных задач лп.
- •39. Применение математического ожидания и дисперсии дискретной случайной величины при анализе финансовых операций.
- •41. Графы: основные понятия.
- •44. Задача о построении критического пути в графе и ее решение.
6.Системы линейных алгебраических неравенств.
Система т алгебраических неравенств первой степени с п неизвестными может быть записана в виде
Совокупность п чисел a1,а.2,,...,аn, взятых в определенном порядке, называется решением системы неравенств (1.2.30), если при подстановке этих чисел на место соответствующих неизвестных неравенства не нарушатся. Решение (<xl5 a2,..., а/() системы неравенств называется неотрицательным, если все а > 0. В этом случае,когда система имеет решение,она наз.совместной, в противном случае противоречивой или несовместной. Совместная система наз определенной или неопределенной в зависимости от того, имеет ли она одно или несколько решений. Две СЛАН с одинаковым числом неизвестных наз.эквивалентгыми или равносильными, если они имеют одни и те же решения, либо вообще не имеет решений. СЛАН часто преобразуют в СЛАУ путем введения дополнительных неотрицательных переменных (неизвестных) хп+1 , xn+2 ,, хn+m:
Исследование и решение системы т линейных неравенств с п неизвестными сводится к исследованию и решению соответствующей системы m линейных уравнений с п + т неизвестными. В частности, нахождение неотрицательных решений системы линейных неравенств (1.2.30) связано с поиском неотрицательных решений системы линейных уравнений (1.2.31).Векторная форма записи СЛАУ: a1x1+a2x2+…+anxn=b
Матричная: A*x=b
7. Теорема о связи между рангом системы векторов-строк и рангом системы векторов-столбцов прямоугольной матрицы. Ранг матрицы как максимальное число ее линейно-независимых параллельных рядов. Ранг системы векторов – максимальное число линейно независимых векторов этой системы. Ранг системы n единичных векторов = порядку = n. Ранг системы векторов не изменяется, если их подвергнуть элементарным преобразованиям: умножению вектора на число, отличное от , прибавление вектора, умноженного на число, к другому вектору, перестановка векторов системы. У матрицы m*n строки n-мерные векторы, а столбцы m-мерные.
Для любой матрицы строчный ранг = столбцовому. Ранг матрицы – максимальное число ее рядов. Квадратная матрица называется невырожденной, если все строки и столбцы линейно независимы. Невырожденная матрица: никак нельзя обратить в 0 все элементы строки или столбца матрицы.
Нахождение ранга сводится к превращению матрицы в единичную, которая линейно независима.
Определитель
– соответствующее квадратной матрице
число: |A|.
N=1
|A|=a11. N=2 |A|=|a11*a22-a12*a21|. N=3
|A|=a11*a22*a33+a31*a12*a23+a13*a21*a32-a31*a22*a13-a21*a12*a33-a32*a23*a11
|A|=,где
М
– минор
элемента
А.
___Рангом сис-мы n- мерных векторов – max число линей-независ векторов сис-мы. Ранг сис-мы един векторов = n
Ранг сис-мы векторов не изменится, если она подвергается элементарным преобразованиям: 1) умножение какого-н вектора сис-мы на число, отличное от 0; 2) прибавление к какому-н вектору сис-мы др вектора этой же сис-мы, умноженного на число; 3) перестановка каких-л векторов сис-мы
У матрицы размером m*n можно рассматривать строки как m- мерные векторы, а столбцы как n-мерные векторы.
Ранг сис-мы строк (строчный ранг)=столбцовый ранг.
Рангом матрицы назыв max число линейно-независимых рядов. Квадратная матрица назыв невырожденной или неособенной, если ее ранг и порядок совпадают, т.е. все строки и столбцы линейно-независимы. Невыр-ть матриц означает, что никакими элементарными преобразованиями нельзя обратить в 0 все элементы какой-н строки или столбца.
Чтобы найти ранг, нужно матрицу превратить в единичную.