运筹学03线性规划II11.pptVIP

矩阵的秩 考虑mxn阶矩阵 在A中任取k行k列，其交叉位置上的元素构成了A的一个k阶子矩阵(方阵)，显然 这个k阶子矩阵构成的行列式，称为A的一个k阶子式。 矩阵A的秩定义为其非零子式的最高阶数，或者说A的所有行列式不等于零的子矩阵(可逆矩阵)的最高阶数。 例： mxn阶矩阵A可以看作是m个行向量(n维)构成的向量组，也可以看作是n个列向量(m维)构成的向量组。 A的行向量组的秩——行秩，A的列向量组的秩——列秩 向量组的秩：向量组的极大线性无关组中包含的向量个数 性质：矩阵A的秩 = 行秩 = 列秩 A的行向量组 的秩 = r(A) = m，说明这m个行向量是线性无关的，即其中任意一个向量不能由其余向量线性表出，保证了各个约束方程的独立性。如果r(A) m说明什么？ A的列向量组 的秩 = r(A) = m，说明这个向量组的极大线性无关组中包含的向量个数为m，也就是说在这个由n个向量构成的向量组中，至少可以找出一个由m个向量构成的向量组是线性无关的，并且任意一个由m+1个向量构成的向量组都是线性相关的。 基是什么？ 线性规划问题 A是一个mxn阶的矩阵，满足mn, r(A) = m 基(以B表示)是什么？ 基是A的一个m阶满秩子矩阵(可逆)，即r(B) = m，也即|B|≠0 基是从系数矩阵A的n个列向量中抽取出的m个列向量构成的向量组，而且这个向量组是线性无关的。 基、非基 r(A)=m，不妨假设A的前m个列向量线性无关，那么 构成该问题的一个基，记为B； A中其余n-m个向量构成的向量组，称为非基，记为N。 基变量、非基变量 基变量与非基变量 基变量—基中的m个列向量 所对应的变量 非基变量—非基中n-m个列向量 所对应的变量 基变量用XB表示，非基变量用XN表示 基变量和非基变量是对特定的基而言的， 不同的基对应的基变量和非基变量是不同的。 基(本)解 考察约束方程组： 令所有的非基变量(n-m个)等于零，即令XN = 0 这样我们就得到了约束方程组的一个解 这个解就是基本解，简称基解 基本解是约束方程组的一个比较特别的解，它是怎样得到的呢？ 对应于某个基，令所有的非基变量等于零，求解关于基变量的约束方程组得到的。 基本解和基变量、非基变量一样，都是对应于特定的基而言的，一个基对应于一个基解。 基可行解 可行解的概念： 基解的概念： 对应于某个基，在约束方程组中令所有非基变量等于零，求得的解。 显然基解是满足约束方程组AX=b的，如果它也满足非负条件(3.3)，即基解中的所有分量大于等于零，则称其为基可行解。 基可行解是可行的基解，是基解与可行解的交集。 3.2 线性规划的基本理论 几个基本概念 凸组合：设X(1)，X(2)，…，X(k)是n维欧式空间中的k个点，若存在μ1, μ2,…, μk满足0≤μi≤1,( i=1,2,…,k),使　X=μ1X(1)+μ2 X(2)+…μk X(k)，则称X为X(1)，X(2)，…，X(k)的凸组合。 凸组合是一种特殊的线性组合。 在二维的情况下， X(1)，X(2)是平面上的两个点，凸组合X=μ1X(1)+μ2 X(2)表示连接X(1)，X(2)这两点构成的线段。 凸集：如果对于任意两点X(1)，X(2) ∈D，以及实数λ(0λ1),恒有 X =λX(1)+(1-λ) X(2) ∈D，则称集合D为凸集。 任取集合D中的两点，如果它们的连线上的所有点也都在集合D中，则D为凸集。 顶点：设D为凸集，X∈D, 若在D中找不到两点 X(1)∈D, X(2)∈D，用它们的一个凸组合来表示X，即不存在 X(1) ∈D, X(2)∈D ，使得X=α X(1) + (1-α)X(2)成立, 其中0α1 ，则称X为凸集D的一个顶点。 顶点是不能成为凸集中任何一条线段内点的点。 线性规划的基本定理 定理1 线性规划问题所有可行解构成的集合(可行域) S={x|Ax=b, x≥0}是凸集。 定理2 x是线性规划问题基本可行解的充要条件是x为可行域S ={x|Ax=b, x≥0}的顶点。 定理3 若线性规划问题的可行域S非空有界，那么线性规划问题的目标函数一定可以在可行域S的顶点上达到最优值 例3.3 已知某线性规划问题的约束条件如下： 求：以x1, x2, x3为基变量的基本解，以x1, x2, x4为基