2.1 单纯性法的矩阵描述.pptVIP

将XB=B-1b - B-1NXN代入目标函数的表达式中,可以得到 用非基变量表示目标函数的表达式: Z=CX =(CB,CN)(XB,XN)T =CBXB+CNXN =CB (B-1b - B-1NXN) +CNXN =CBB-1b +(CN - CBB-1N)XN =CBB-1b +σNXN 式中：CBB-1b是z的常数项， （当非基变量XN=0时，Z=CBB-1b） CN-CBB-1N是非基变量XN 的系数，也是XN的检验数. 记为：σN= CN-CBB-1N 基变量XB检验数为0,实质上是σB =CB-CBB-1B=0 XB=B-1b-B-1NXN Z=CBB-1b+σNXN θ法则的矩阵表示： RHS值 表示选用0的分量 换入变量的系数向量 单纯形表的矩阵描述 * * 第二章 对偶理论和灵敏度分析 第1节 单纯形法的矩阵描述 第2节 改进单纯形法 第3节 对偶问题的提出 第4节 线性规划的对偶理论 第5节 对偶问题的经济解释——影子价格 第6节 对偶单纯形法 第7节 灵敏度分析 第8节* 参数线性规划 单纯形的矩阵描述 本节讨论单纯形法的矩阵形式 一方面加深对单纯形法的理解； 另一方面为学习对偶理论和灵敏度分析打下基础。 首先考虑标准型的线性规划问题： 其中Am*n＝（P1，P2，…，Pn）, 设A中前m个列向量构成一个可行基B，记为B=(P1，P2，…，Pm) 则A中后n－m个列向量构成A的子矩阵N,记为N＝（Pm+1,…Pn）, 则A可以写成分块矩阵A=（B，N）。 对应基B，基变量为XB=（x1,x2，…，xm ）T ； 对应矩阵N，非基变量为XN=(xm+1,xm+2,…xn)T ； 则变量X 可表示成 分块矩阵 价值系数C 可表示成分块矩阵C=（CB，CN） CB=(C1,C2,…,Cm), CN=(Cm+1Cm+2，…，cn) max z = C X AX = b X ≥ 0 max z = C X AX = b X ≥ 0 max z = [CB,CN] s.t. [B , N] = b XB, XN ≥0 C=(CB,CN),X=(XB,XN)T, A=(B,N) 由约束条件AX=(B,N)(XB,XN)T =BXB+NXN=b, 则BXB= b - NXN XB=B-1b - B-1NXN (1) 线性规划的标准型： 因为r（B）=m（或|B|≠0） 所以B —1存在，则两边左乘B-1 得到基变量的表达式: 此表达式是用非基变量来表达的 注意：两边左乘B-1 ，相当于对增广矩阵(A,b)进行了初等行变换, 即相当于对原来的单纯形表进行了一次迭代， 则下面得到的是迭代后的各结论的矩阵表达式. σA= C-CBB-1A σj=cj-CBB-1Pj 令非基变量XN=0，得到如下公式（经过迭代后）： 由于B是可行基，则得到： 基变量的取值：XB =B -1b ≥0 ； 基可行解： X =（XB,XN)T = (B－1b，0)T ； 目标函数值： z =CB B -1b ； π=CBB-1 成为单纯形乘子 ； N → B-1N ; B→ B-1 B=I XB -Z 0 I B-1N B-1b 1 0 CN -CBB-1N -CBB-1b 得到下列计算公式： 将增广矩阵左乘B-1并令非基变量XN=0后 单个变量的检验数：σj = Cj - CBB-1 Pj 某列 Pj = B-1 Pj B -1A= B -1(N,B )= (B -1N, B -1B)=(B -1N,I) , XN = 0 , X =(XB ,XN)T = (B-1b ,0)T I = B-1 B, ,σB=CB-CBB-1B=0, 4. 目标函数 0 0 I B-1N B-1b 1 CN -CBB-1N -CBB-1b c x b AX=(B,N)(XB,XN)T=BXB+NXN=b B-1BXB+ B-1NXN= B-1b CN CB XB XN B-1B B-1N B-1b CN-CBB-1N 0 -z= -CBB-1b XB CB σA= CA-CBB-1