矩阵表示单纯形法的优点.pdf

矩阵表示单纯形法的优点 线性代数小论文 2011010250 吴昊亮 在阅读线性规划相关书籍的过程中，我发现单纯形法是普遍介绍的求解线性规划最优解的方法，而 在一些深入的书籍中线性规划的矩阵描述方法被介绍。最初，我感觉矩阵的描述方法太抽象不太容易被 接受，但是运用矩阵描述的的单纯性法语言简洁，而且可以简化一些求解过程中的步骤，避免重复计算。 在多数书籍中，单纯形法的两种描述方法总是被先后分开说明，以便于读者接受。下面通过自然表 述的单纯形法和矩阵描述的单纯形法的对比，以加深对单纯形法的理解，展现矩阵描述法简单和高效的 优点。 首先是描述一个线性规划问题，统一符号： 加入m 个人工变量 目标方程 系数方程表示 max z =c x +⋯c x . 1 1 n n 矩阵表示 max z =CX 约束方程 a x +⋯+a x =b 1,1 1 1,n n 1 a x +⋯+a x =b 系数矩阵表示 2,1 1 2, n n 2 ⋮ a x +⋯+a x =b m , 1 1 m , n n m 矩阵表示 AX ≤b (1) 加入松弛m 个松弛变量 T X s =(x s1 , x s2 , ⋯, x sm ) 系数矩阵表示 max z =c x +⋯+c x + 0x +⋯+ 0x 1 1 n n s1 sm x +a x + ⋯+a x =b s1 1,1 1 1,n n 1 x +a x + ⋯+a x =b s2 2,1 1 2,n n 2 ⋱ x +a x +⋯+a x =b sm m , 1 1 m , n n m 矩阵表示 max z =CX +OX S AX +IX =b S 这里 I 和 O 是 m ×m 的单位矩阵和零矩阵。最开始以 X S 为基变量，最后要把m 个松弛变量从 基变量中逐个替换出来，先标记基变量 X B = X S 。其对应的单位矩阵就是基矩阵B，这时将系数矩