- •1. Матрицы. Виды матриц
- •Специальные матрицы
- •2. Разложение Тейлора. Формула Тейлора с остаточным членом в форме Пеано.
- •Теорема о необходимых условиях экстремума
- •1) Перестановка любых 2ух уравнений местами
- •3) Умножение обоих частей в каком-либо ур-ии слу на число 0
- •4) Прибавление к какому-либо из уравнению слу др уравнения этой же слу, умноженного на произвольное число 0.
- •2) Если │а│0, то решение может быть найдено по формуле:
- •2 Слу наз эквивалентными или равносильными, если множества их решений совпадают.
- •Теорема об умножении определителей
- •2. Разложение Тейлора. Формула Тейлора с остаточным членом в форме Пеано.
- •Теорема о необходимых условиях экстремума
- •Ранг матрицы r(a) – это наивысший порядок отличных от 0 миноров этой матрицы
- •Теорема о производной по направлению
- •Теорема о необходимых условиях экстремума
- •2) Пусть противоречивых уравнений нет. Тогда 1 из уравнений выбирается за разрешающее уравнение и одно из неизвестных – за разрешающее неизвестное. К этому выбору предъявляются следующие требования:
- •3) Разрешающая неизвестная исключается из всех уравнений кроме разрешающего. Для этого разрешающее уравнение прибавляется к каждому из уравнений слу после умножения на подходящее число.
- •1) Реализация метода Гаусса даёт ответ на вопрос о совместности системы. Система совместна тогда и только тогда, когда при реализации метода Гаусса не возникает противоречивых уравнений
- •2) В процессе преобразований Гаусса допускаются промежуточные преобразования слу.
- •3) В любой момент преобразования Гаусса м.Б. Остановлены. Текущая система м.Б. Рассмотрена в качестве исходной и преобразования м.Б. Возобновлены по другой схеме.
- •1. Алгебраическое дополнение и минор
- •Теорема о необходимых условиях экстремума
- •2) Проводится подстановка любой точки, не лежащей на критической прямой, в текущее неравенство, тем самым определяется область «хороших» и «плохих» точек.
- •3) После выявления «хороших» полупространств для каждого неравенства производится их пересечение.
- •2) Если │а│0, то решение может быть найдено по формуле:
- •1. Понятие множества уровня функции, касательной гиперплоскости и вектора нормали к гиперплоскости.
- •1. Методы поиска обратной матрицы: метод союзной матрицы и метод элементарных преобразований.
- •2) Система s линейно-независима
- •2) Любой вектор yRn м.Б. Представлен в виде линейной комбинации векторов системы s
- •2. Экономическая интерпретация двойственных оценок
- •Метод окаймляющих миноров
- •Метод элементарных преобразований
- •Теорема об обратной матрице
- •64 Теорема о разрешимости тз:
- •1) Перестановка любых 2ух уравнений местами
- •3) Умножение обоих частей в каком-либо ур-ии слу на число 0
- •4) Прибавление к какому-либо из уравнению слу др уравнения этой же слу, умноженного на произвольное число 0.
- •2. Двойственные злп.
- •1) Перестановка любых 2ух уравнений местами
- •3) Умножение обоих частей в каком-либо ур-ии слу на число 0
- •4) Прибавление к какому-либо из уравнению слу др уравнения этой же слу, умноженного на произвольное число 0.
- •2) Пусть противоречивых уравнений нет. Тогда 1 из уравнений выбирается за разрешающее уравнение и одно из неизвестных – за разрешающее неизвестное. К этому выбору предъявляются следующие требования:
- •3) Разрешающая неизвестная исключается из всех уравнений кроме разрешающего. Для этого разрешающее уравнение прибавляется к каждому из уравнений слу после умножения на подходящее число.
- •1. Назначение и обоснование обобщенного метода множителей Лагранжа.
- •2. Открытая транспортная задача на избыток
- •26.Понятие градиента функции. Теорема о градиенте.
- •Методы поиска обратной матрицы: метод союзной матрицы и метод элементарных преобразований.
- •1. Ранг матрицы r(a) – это наивысший порядок отличных от 0 миноров этой матрицы
- •Метод окаймляющих миноров
- •Метод элементарных преобразований
2. Разложение Тейлора. Формула Тейлора с остаточным членом в форме Пеано.
Пусть kт = (k1, k2, … , km) – это вектор с целочисленными неотрицательными компонентами. Обозначим через [k] сумму его компонентов, т.е. [k] = k1+ k2+ … + km
Говорят, что функция φ1(х) есть «О малое» по сравнению с φ2(х) при х→0, если справедливо условие:
limx→0 (φ1(х) / φ2(х) ) = 0
Это соотношение означает, что φ1(х) пренебрежительно мала по сравнению с φ2(х) при х→0.
Расширенной записью этого является следующая: φ1(х) = 0* (φ2(х)). Это выражение означает, что φ1 есть «О малое» по сравнению с φ2.
Пусть f(x) - некоторая функция, где xRn. Предположим, что эта функция дифференц-а в некоторой окрестности O в точке yRn, причем имеет все частные производные вплоть до производных (m+1) порядка. Тогда справедлива формула Тейлора:
f(x)=[k]=0m 1/m! * ([k]f(y)/x1k1x2k2…xnkn) * (x1-y1)k1 (x2-y2)k2… (xn-yn)kn +0 (x-ym) (1)
Величина 0(x-ym) - остаточный член в форме Пеано.
Т.е. формула (1) есть разложение Тейлора функции f(x) в точке у с точностью до производных m-ого порядка с остаточным членом в форме Пеано.
В частности разложение Тейлора функции f(x) в точке y с точностью до производных 2ого порядка есть:
f(x)=f(y)+Tf(y)(x-y)+1/2 * (x-y)T H(y)(x-y)+0(x-y)2 где H(y) – матрица Гессе ф-ии f(x) в точке y
В одномерном случае при n=1 формула Тейлора принимает вид:
f(x)=k=0m1/k! * f[k](y)(x-y)k + 0 (x-y)m
БИЛЕТ 5
-
Назначение Схема реализации метода множителей Лагранжа.
В основе метода лежит тот факт, что в точке условного экстремума хД градиент целевой функции f(x) д.б. ортогонален касательной гиперплоскости к области ограничений Д, определяемый системой ограничений g1(x)=b1 или g(x)=b:
→max(min)
Это означает, что должны существовать такие числа 1,2,…m для кот справедливо:
f(x) = j=1nj * gj(x)
Метод реализуется выполнением следующих шагов:
Шаг1. Рассматривается ф-ия Лагранжа
L(x,λ) = f(x) + λT(b – g(x)) = f(x) + i=1n j (bi – gi(x))
Где xT = (x1, x2, …, xn) – вектор инструментальных переменных множителей Лагранжа,
λT = (λ1, λ2, … , λm) – вектор множителей Лагранжа.
Шаг2. Определяются стационарные точки (х*, λ*) функции множителей Лагранжа. Для этого решается система уравнений, представляющая собой необходимые условия существования стационарной точки (все частные производные по аргументам функции Лагранжа равны 0)
∂L(x,λ) / ∂xj = (∂f(x) / ∂xj) - i=1m λi * (∂gi(x) / ∂ xj) = 0, j = 1, m
∂L / ∂ λi = bi - gi(x) = 0, i = 1, m
Эта система м.б. представлена в матричной форме:
fх(x) - λT Rg(x) = 0
b – g(x) = 0
где Rg(x) – матрица Якоби вектор-функции g(x)
2. Двойственные ЗЛП.
Каждой ЗЛП можно поставить в соответствие другую ЗЛП, кот. называется двойственной по отношению к исходной в симметричной форме:
Прямая ЗЛП: Двойственная ЗЛП:
f(x) = cтx → max(1) g(y) = bтy → min(3)
Ax ≤ b (2) Aтy ≥ c(4)
x ≥ 0 y ≥ 0
c, x Є Rn, b Є Rm b, y Є Rm, c Є Rn
Эти задачи образуют двойственную пару ЗЛП.
БИЛЕТ 6
1. .Условия Куна-Таккера. Теорема Куна-Таккера. Условия дополняющей нежесткости.
Условия Куна-Таккера, позволяющие идентифицировать стационарные точки в задаче-→max(min), gi(x) 0. Указанные условия являются необходимыми, однако оказываются также и достаточными, если целевая функция и функции ограничений обладают некоторыми специальными свойствами.
Теорема Куна-Таккера:
Необх-ми усл-ми сущ-ия стацин-й т. ф-ии Лагранжа ,явл-ся след-е усл-ия:
Эти усл-ия м.б. записаны в алгебраической форме:
Замечание:
Из 1 и 3 (в системе) усл-й К-Т след-ет, что либо множ-ль Лагранжа =0, либо соответсвующее огр-ие вып-ся как строгое равенство, либо то и др-е вып-ся одноврем-но
2. Схем реализ. графич. метода:
Шаг 1: графич. способом строится обл. огр. D ЗЛП.
Шаг 2: строится направляющий вектор с = градf, как направленный отрезок соединяющий точку начала координат с точкой с.
Шаг 3: через любую точку области D проводится плоскость(прямая), ортогональная вектору с.
Шаг 4: построенная на шаге 3 плоскость перемещается в направлении вектора с параллельно самой себе до точки последнего соприкосновения перемещаемой плоскости (прямой) с областью D. Точка отрыва определяет оптимальный план задачи.
Шаг 5: Устанавливаютя точные значения компонент оптим плана для чего решантся система уравнений, определяющих те прямые в рез-те пересечения которых возникает точка оптимального плана.
БИЛЕТ 7
1. 44Теорема Каратеодори:
Пусть x(1), x(2),…,x(N) – вершины выпуклого многогранника D, тогда любая т. xЄD этого многогранника может быть представлена в виде выпуклой линейной комбинации его вершин
x=Σj=1N λjx(j), где Σj=1N λj=1, λj≥0, j=1,N
Теорема о решении ЗЛП:
Пусть D есть обл. ограничений ЗЛП, тогда справедливо следующее:
1. Оптимальный план ЗЛП достигается в одной или нескольких вершинах обл огранич D.
2. Если онтимальный план достигается сразу в нескольких вершинах, то любая выпуклая линейная комбинация этих вершин так же явл-ся оптимальным планом.
Теорема о вершине:
Для того, чтобы т. x была вершиной обл. ограничений ЗЛП в канон. форме представления f(x) → max (min), x>0 Ax=b(система), необходимо и достаточно чтобы эта т. была решением СЛУ Ax=b, в кот. все свободные переменные =0, а базисные неотрицательны.
Следствие:
Число положит. компонент вершины обл. ограничений x>0 Ax=b(система) не может быть >m, где m число уравнений в системе Ax=b
2. Теорема об условиях определённости матрицы.
Справедливы утверждения:
1)квадратная матрица положительно определена <=> когда все ее главные (угловые) миноры положительны
2) квадратная матрица отрицательно определена <=> когда знак любого ее главного (углового) минора каждого порядка совпадает со знаком (-1)К
Классический метод поиска безусловного экстремума функции является методом решения ЗНЛП простейшего класса – ЗНЛП без ограничений:
В основе метода лежат сформулированные выше теоремы о необходимых и достаточных условиях существования безусловного экстремума. Метод применим только для "достаточно гладких" (дважды непрерывно дифференцируемых функций). Метод состоит в выполнении следующих шагов.
Шаг 1. Решить уравнение (или систему уравнений ) и найти множество ее решений – стационарных точек (подозрительных на экстремум).
Шаг 2. Установить, пользуясь теоремой об условиях определенности матрицы, тип определенности матрицы Гессе в каждой стационарной точке функции , и на основе этого сделать вывод о существовании и типе экстремума
БИЛЕТ 8
1.Теорема о необходимых условиях экстремума. Теорема о достаточных условиях экстремума. Теорема об условиях определенности матрицы (Критерий Сильвестра)