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。 max f = CZ 例如：SLP [AZ=h s.t. Z0 如果Z°满足这些约束，即且z°no,则Z°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：上而SLP的可行域为R = {AZ=h,Z0} 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。这吋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，冇界非空 集和无界非空集。 12 L 2最优解，无界解 定义12.1.4：称使口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AX=b,XnO,使CXM 0 那么称该线性规划问题有无界解。 曲定义可知，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冇最优解。 x\ ~例12.1.1考虑线性规划问题: x\ ~ max（兀]+◎ x{-x2\ St 一X] +x2 1 0,x2 0 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。 Xj - x2 1 例 12.1.2 max f = xA 例 12.1.2 max f = xA-x2 0,x2 0 解：此问题的口J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，此问题冃标函数最 优值maxf= 1在可行域射线-x2 =1上均可达到o 12 1 a基本可行解 定义12. 1. 6：对于约束条件Ax=b,设A是秩m的m x n矩阵，用（巧,/=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detB^O,则称〃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 个基U 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屮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中列向量厂包含在基〃中，则称兮为〃的 基变豊 若变量兀对应A中的列向量仇不包含在基〃中，则称忑为B中的非基 变量。 使于=2西+兀2例 12. 1.3兀1 +兀 使于=2西+兀2 例 12. 1.3 05= 0是线性无关，因此｛可兀41/ 1 05= 0是线性无关，因此｛可兀4 1 / 1、 禺｝是一组基。而| = -1 3丿 ,Pi = 1 不在 厂 1 110 0、 ‘1 0 0、 A = -11010 则B = 0 1 0 的列是线性无关的，即 2 0 0 1丿 、0 0 1 丿 + X。+ ￡ = _2 6 兀1 + 2x2 +x5 =21 兀 n oj = 1 ~ 5 解: 这个基屮，所以?勺为非基变量。 定义12.1.8 :设Ax=b, xMO —个基3 =（你…匕），其对应的基变量构 成的m维列向量记为xB =(七...Xj」T这时若全非基变量等0,则Ax=b = Bxb - b, 得唯一解x严矿％ ?记为B = (b\…叽于是得到方程组Ax=b的一个解 =匸七=b2...xjm =bm , 非基变量?=0,O = l,2??』,心人人)称Z为对应于基B的基木解。这个定义也告 诉我们怎样找一个基木解) 如：上面例12.1.2中，非基变量%! = x2 = 0o则可得兀3 =5, x4 =4,兀§ =21。 所以兀。=(0,0,5,-2,21)是对应于基B的一个基本解，但由于x4=-20.不能满足约 朿条件，所以这个基木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mm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。因此基木解不一定满足SLP的非 负要求。 定义12. 1. 9：对应于基B的基木解，若基变量取非负值，即Xb = Bb , 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12.14 (SLP)如例12.1.3,试找一个基本可行解。 (110] 解：B二-1 0