第十二章 线性规划的基本概念与基本定理.docVIP

第十二章 线性规划的基本概念和基本定理 12.1线性规划的基本概念 12.1.1可行解，可行域 定义12.1.1：称满足全部约束条件的向量为可行解或可行点。 例如： SLP 如果满足这些约束，即且，则就是SLP的可行解。 定义12.1.2：称所有可行解（点）构成的集合为可行集或可行域。也称为可行解集。 例如：上面 SLP 的可行域为 定义12.1.3：若一个线性规划问题的可行集为空集时，则称这一线性规划无可行解。这时线性规划的约束条件不相容。 由上一章的分析可以看到：一个线性规划的可行解集可以是空集，有界非空集和无界非空集。 12.1.2最优解，无界解 定义12.1.4：称使目标函数值达到最优值的可行解为线性规划问题的最优解 定义12.1.5：对于极大化目标函数的标准线性规划问题，定义其无界解如下：对于任何给定的正数M，存在可行解 X 满足，使。那么称该线性规划问题有无界解。 由定义可知，无界解的意思是：若是极大化目标函数，则在可行域上目标函数值无上界；若是极小化目标函数，则在可行域上目标函数值无下界。那么，有无界解的线性规划问题一定没有最优解。 例12.1.1 考虑线性规划问题： 图12.1.1 解：问题的可行域是上图所示的无界凸多边形区域，在此无界可行域上，目标函数值无上界，所以这个线性规划问题有无界解。 例12.1.2 解：此问题的可行域如上图，是一个无界的多边形。但极大化目标函数却以1为上界。因此这个线性规划问题没有无界解，而且事实上，此问题目标函数最优值max f=1在可行域射线上均可达到。 12.1.3. 基本可行解 定义12.1.6：对于约束条件Ax=b，设A是秩m的mｘn矩阵，用(, j=1 ~n) 表示A的第j列向量。即A=()。由A的m个列向量构成的m阶方阵 B=( ) 若B是非奇异的，即detB0，则称B为一个基或称为一个基矩阵。 因为SLP问题中含有约束条件Ax=b，因此也通常称B为线性规划SLP的一个基。 由上面定义可知，B中m个列向量是线性无关的，并且它是A的列向量组的一个最大无关组。 按定义，A中m个列向量，只要是线性无关的就可以构成一个基。 定义12.1.7：若变量 对应A中列向量包含在基B中，则称为B 的基变量；若变量对应A中的列向量不包含在基B中， 则称为B中的非基变量。 例12.1.3 求满足 使 解： 则的列是线性无关的，即是线性无关，因此是一组基。而，不在这个基中，所以为非基变量。 定义12.1.8 ：设Ax=b, x≥0一个基，其对应的基变量构成的m维列向量记为这时若全非基变量等0，则 Ax=b ,得唯一解.记为于是得到方程组Ax=b的一个解， 非基变量称之为对应于基B的基本解。这个定义也告诉我们怎样找一个基本解） 如：上面例12.1.2中，非基变量。则可得。所以是对应于基B的一个基本解，但由于=-20.不能满足约束条件，所以这个基本解不是原问题的可行解。（为什么？） 这是因为，按照定义，基本解中的 n-m个非基变量必须取0值只有m个基变量取值才可能不等于0。但可以取负值。因此基本解不一定满足SLP的非负要求。 定义12.1.9：对应于基B的基本解，若基变量取非负值，即，b0，则称它为满足约束 Ax=b, xo的基本可行解。 对应地称B为可行基，因SLP中具有此约束条件。也通常 称为SLP的基本可行解。 定义12.1.10：使目标函数达到最优值的基本可行解，称为基本最优值。 例12.1.4：（SLP)如例12.1.3，试找一个基本可行解。 解：是其一个基矩阵. 是一个基。则为基变量。为非基变量。令.得. 故是原问题的一个基本可行解，为基可行基。 上面我们讲到基本解中有n-m个分量必须取零值，而只有m个基变量取非零值。而基本可行解，它一方面是基本解，另一方面又是可行解，因为它是基本解，所以n-m个非基变量取0值；它是可行解，则m个基变量取非负值，从而基本可行解正分量是个数不超过m. 那么满足Ax=b,x0的正分量个数不超过m的可行解。是否一定是基本可行解呢？ 我们举例说明这个问题。 例12.1.5.已知约束条件为： 它有正分量个数等于m(m=2)的可行解。但它不是基本可行解。 证明：（反证法）假设可行解x=(3,1,0,0)T面约束的基本可行解。因为基本可行解中非基变量取0值，基变量取非负值。 在这个可行解中非零正值，因此不可能是非基变量，只能是基变量。 按定义，基变量对应的系数矩阵中的列向量应构成一个基矩阵B.但这里是线性相关的（), 这与B是基矩阵矛盾。故知x=(2,1,