2第二章 线性规划及单纯形法(1-4节).pptVIP

（4）线性无关 给定向量组 A =(P1, P2, …, Pn) 则称向量组 A 是线性无关的。 使 k1P1+ k2P2 + … + knPn =0 如果不存在 n 个不全为零的数 k1, k2, …, kn 设向量 (β, P1, P2, …, Pn) 则称β可由向量 (P1, P2, …, Pn) 线性表示。 如果存在 一组数 k1, k2, …, kn 使β =k1P1+ k2P2 + … + knPn （5）向量的线性表示 定 理： 设向量组 (P1, P2, …, Pn) 线性无关 设向量组 (β, P1, P2, …, Pn) 线性相关 则β可由 (P1, P2, …, Pn) 线性表示且表达式唯一。 （6）矩阵的秩 从 (m, n) 矩阵 A 中选取 r 个行 r 个列，这 r 个行 r 个列相关处的元素构成一个 r 阶方阵，它的行列式叫做A 的 r 阶子式。 当 A 的各 r 阶子式中至少有一个不为 0，而 r + 1 阶子式全为0，就说矩阵 A 的秩为 r ，记为 r(A)。 显然 r(A) ≤ min {m, n}。 （7）矩阵秩和向量线性无关 若矩阵 A 的秩等于 r ，则在列向量（或行向量）中必然有 r 个列向量（或行向量）构成线性无关组，而任意 r+1 个列向量（或行向量）都是线性相关的。 r(A) = A 中最大线性无关列数 = A 中最大线性无关行数 目标函数： max z = 2x1 + 4x2 约束条件： 无穷多最优解：目标函数直线同某一约束条件直线平行。 x1 x2 4x2 =12 x1 + 2x2=8 4x1 =16 2x1 + 4x2=z Q3 Q2 位于线段 Q2Q3 上任意一点都使目标函数 z 取得相同的最大值。 分析：目标函数直线和约束条件x1+2x2≤8的边界线平行。 目标函数： max z = 2x1 + 3x2 约束条件： 无界解：可行域无界。 x1 x2 4x2 =12 4x1 =16 x1 + 2x2=8 可行域无界，故最优解无界。 注：可行域无界，可能无最优解，也可能存在最优解，但此时最优解一定在顶点上取得。 无可行解：无可行域。 目标函数： max z = 2x1 + 3x2 约束条件： x1 x2 4x2 =12 x1 + 2x2≥16 4x1 =16 (4,3) 无可行域，所以无可行解。 分 析： 当求解结果出现3、4两种情况时，一般说明线性规划问题的数学模型有错误。 情况 3 可能是因为建模时缺少了某些必要的约束条件。 情况 4 可能是因为建模时出现了矛盾的约束条件。 图解法虽然直观、简便，但当变量数多于 3 个以上时，它就无能为力了。需要借助于后面章节所介绍的一种代数法——单纯形法。 第三节 线性规划问题的标准型 鉴于线性规划问题模型形式的多样性，为了便于求解和讨论，对于一般线性规划问题总是先将它化为标准形式的线性规划问题，然后再予以分析或求解。 一、线性规划问题的标准型 具有 m 个约束条件和 n 个决策变量的线性规划问题的标准型定义为： max z=c1x1 + c2x2 +…+ cnxn s.t. a11x1 + a12x2 +…+ a1nxn = b1 a21x1 + a22x2 +…+ a2nxn = b2 ………… am1x1 + am2x2 +…+ amnxn = bm 其中：x1, x2, …, xn ≥ 0，b1,b2,…,bm≥0 形式一（完整形式） 形式二（简化形式） 形式三（向量形式） Max z = CX s.t. AX=b X≥0 其中：C = (c1,…,cn) A = ( aij )m × n,，i =1,…, m，j =1,…, n X= (x1,…, xn) T b= (b1,…, bm) T 目标函数为极大化。 所有约束条件为等式。 所有决策变量限于非负值。 每一约束条件右端的常数为非负值。 实际碰到的各种线性规划问题的数学模型都应变换为标准型后才求解。 二、线性规划问题标准型的四大特点 三、线性规划问题的非标准型转化为标准型 1、目标函数为极小化：将目标函数乘以 -1 即可化为等价的极大化问题。 Min z = c x Max z = -c x min z = - 2x1 - 3x2 max z = 2x1+ 3x2 解：线性规划模型的