文章目录
I . 线性规划问题解
下面是一个 线性规划 数学模型 的 标准形式 :
- 1. 决策变量个数 : 线性规划数学模型中 有 n n n 个 决策变量 ;
- 2. 约束方程个数 : 该模型中有 m m m 个约束方程 ;
m a x Z = ∑ j = 1 n c j x j ① 目 标 函 数 s . t { ∑ j = 1 n a i j x j = b i ( i = 1 , 2 , ⋯ , m ) ② 约 束 方 程 x j ≥ 0 , j = 1 , 2 , ⋯ , n ③ 变 量 约 束 \begin{array}{lcl} max Z = \sum_{j = 1}^n c_j x_j && ① 目标函数 \\ \\ s.t \begin{cases} \sum_{j = 1}^n a_{ij} x_j = b_i ( i = 1, 2, \cdots , m ) && ② 约束方程 \\ \\ x_j \geq 0 , j = 1 , 2 , \cdots , n && ③ 变量约束 \end{cases} \\ \end{array} maxZ=∑j=1ncjxjs.t⎩⎪⎨⎪⎧∑j=1naijxj=bi(i=1,2,⋯,m)xj≥0,j=1,2,⋯,n②约束方程③变量约束①目标函数
线性规划的解 : 满足约束条件 ② 和 ③ 有很多解 , 这些解中肯定有一个或多个解 , 使 ① 目标函数 有最大值 ;
II . 可行解 与 可行域
可行解 : 满足 约束方程 , 变量约束 的解是可行解 ;
可行域 : 所有的可行解集合 是可行域 ;
III . 最优解
首先 这个解必须是可行解 , 在可行解的基础上 , 使目标函数达到最大值的解 是 最优解 ;
IV . 秩 的 概念
1. 向量 概念 :
- ① 数学 概念 : 空间中的箭头 , 二维 或 三维 , 由方向 和 长度 两种属性 ;
- ② 计算机 概念 : 有序的数字列表 , 这里使用的就是这种概念 , n n n 维向量有 n n n 个数字组成 ;
2. 向量组 : 由多个向量组成的结构 , 下面的 α 1 \alpha_1 α1 就是一个 n n n 维向量 , 该向量由 n n n 个数字组成 ( n > 0 n > 0 n>0 ) ; 多个这种向量组成向量组 ;
3. 极大线性无关组 : 向量组 T T T 中 , 如果有 一部分组 α 1 , α 2 , ⋯ , α 3 \alpha_1 , \alpha_2 , \cdots , \alpha_3 α1,α2,⋯,α3 满足下面两个条件 :
- ① 部分组线性无关 : α 1 , α 2 , ⋯ , α 3 \alpha_1 , \alpha_2 , \cdots , \alpha_3 α1,α2,⋯,α3 是线性无关的 ;
- ② 部分组线性表示 : T T T 中的每个向量都可以由 α 1 , α 2 , ⋯ , α 3 \alpha_1 , \alpha_2 , \cdots , \alpha_3 α1,α2,⋯,α3 此部分组 中的一个或多个 线性表示 ; ( 如 向量组 β = 2 α 1 + α 2 \beta = 2\alpha_1 + \alpha_2 β=2α1+α2 )
α 1 , α 2 , ⋯ , α 3 \alpha_1 , \alpha_2 , \cdots , \alpha_3 α1,α2,⋯,α3 称为向量 T T T 的极大无关组 ;
4. 向量的秩 : 一个向量组的极大线性无关组所包含的向量个数 , 是向量组的秩 ;
- ① 如果向量组中的向量都是 0 0 0 向量 , 那么其秩为 0 0 0 ;
- ② 向量组 α 1 , α 2 , ⋯ , α n \alpha_1 , \alpha_2 , \cdots , \alpha_n α1,α2,⋯,αn 的秩记为 r a n k { α 1 , α 2 , ⋯ , α 3 } rank \{ \alpha_1 , \alpha_2 , \cdots , \alpha_3 \} rank{α1,α2,⋯,α3}
5. 矩阵的秩 :
- ① 方阵的秩 : 方阵是 行数 和 列数 相等的矩阵 , 其 列秩 和 行秩 是相等的 , 其 行数 = 列数 = 秩 ;
- ② 矩阵的秩 : m × n m \times n m×n 矩阵的秩 最大取值 是 m m m 和 n n n 中较小的那个值 , 即 m i n ( m , n ) min(m , n) min(m,n) ;
- ③ 满秩 : 如果矩阵的秩 等于 m i n ( m , n ) min(m , n) min(m,n) , 那么该矩阵被称为 有满秩 , 是满秩矩阵 ;
- ④ 欠秩 : 反之 如果矩阵的秩 小于 m i n ( m , n ) min(m , n) min(m,n) , 那么该矩阵 称为 秩不足 ( 欠秩 ) ;
V . 基 的概念
系数矩阵 : 约束方程的 系数 可以组成一个 m × n m \times n m×n 阶 矩阵 , 即 m m m 行 , n n n 列 , 代表 有 m m m 个约束方程 , 每个约束方程有 n n n 个变量 ;
基 :
- ① 矩阵秩 : 设 A A A 为上述 m × n m \times n m×n 阶系数矩阵 ( m < n ) ( m < n ) (m<n) , 其秩 为 m m m ; ( 该矩阵的秩的最大取值是 m i n ( m , n ) min(m , n) min(m,n) )
- ② 满秩矩阵 : 矩阵
B
B
B 是矩阵
A
A
A 的
m
m
m 阶满秩子矩阵 , 其中
∣
B
∣
≠
0
|B| \not=0
∣B∣=0 ,
B = [ a 11 ⋯ a 1 m ⋮ ⋮ ⋮ a m 1 ⋯ a m m ] = ( p 1 ⋯ p m ) B= \begin{bmatrix} & a_{11} & \cdots & a_{1m} \\ \\ &\vdots &\vdots &\vdots \\ \\ & a_{m1} & \cdots & a_{mm} \end{bmatrix} = ( p_1 \cdots p_m ) B=⎣⎢⎢⎢⎢⎢⎡a11⋮am1⋯⋮⋯a1m⋮amm⎦⎥⎥⎥⎥⎥⎤=(p1⋯pm) - ③ 基引入 : 则称 B B B 是线性规划问题的 一个基 ;
矩阵的阶数 : m m m 行 n n n 列 矩阵称为 m × n m \times n m×n 阶矩阵 ; m m m 行 m m m 列方阵 , 称为 m m m 阶矩阵 ;
m m m 阶满秩子矩阵 :
- ① m m m 阶 : 是指矩阵是 m × m m \times m m×m 阶矩阵 , 其实一个 m m m 行 m m m 列的方阵 ;
- ② 满秩 : 该矩阵的最大秩是 m i n ( m , m ) min(m , m) min(m,m) , 其秩为 m m m 时 , 是满秩矩阵 ;
- ③ 子矩阵 : 该矩阵 B B B ( m × m \times m× m 阶矩阵 ) 是 矩阵 A A A ( m × m \times m× n 阶矩阵 ) 的子矩阵 ;
VI . 基变量 与 非基变量
基向量 : 设有以下系数矩阵 :
B = [ a 11 ⋯ a 1 m ⋮ ⋮ ⋮ a m 1 ⋯ a m m ] = ( p 1 ⋯ p m ) B= \begin{bmatrix} & a_{11} & \cdots & a_{1m} \\ \\ &\vdots &\vdots &\vdots \\ \\ & a_{m1} & \cdots & a_{mm} \end{bmatrix} = ( p_1 \cdots p_m ) B=⎣⎢⎢⎢⎢⎢⎡a11⋮am1⋯⋮⋯a1m⋮amm⎦⎥⎥⎥⎥⎥⎤=(p1⋯pm)
称 矩阵 B B B 中的每个列向量 P j ( j = 1 , 2 , ⋯ , m ) P_j ( j = 1, 2 , \cdots , m ) Pj(j=1,2,⋯,m) 为基向量 ;
基变量 : 与 基向量 P j P_j Pj 对应的变量 x j x_j xj 称为基变量 ;
非基变量 : 基变量之外的其它变量 , 称为 非基变量 ;
VII . 基解
基解 :
- ① 确定基 : 确定一个基 B B B , 该矩阵是系数矩阵 A A A 的满秩子矩阵 , 即一个 m × m m \times m m×m 阶矩阵 ;
- ② 处理非基变量 : 将非基变量 设置成 0 0 0 ;
- ③ 解出基解 : 将 基 代入约束方程 , 解出对应的变量值 , 即基解 ;
- ④ 基解个数 : 基解中变量取值 非 0 0 0 个数 , 小于等于 约束方程个数 m m m , 基解的总数 不超过 C n m C_n^m Cnm
排列组合 说明 :
n > m n > m n>m , 从 n n n 个变量中取 m m m 个 , 这是集合的组合问题 , 从 n n n 元集 中取 m m m 个元素的个数 , 即 C ( n , m ) = C n m = P ( n , m ) m ! = n ! ( n − m ) ! m ! C(n, m) = C_n^m =\frac{P( n, m )}{m!}=\frac{n!}{(n-m)!m!} C(n,m)=Cnm=m!P(n,m)=(n−m)!m!n! , 如果要求顺序 , 就是排列问题 P ( n , m ) = n ! ( n − m ) ! P( n, m ) = \frac{n!}{(n-m)!} P(n,m)=(n−m)!n! ;
m m m 阶满秩子矩阵 : 基是满秩子矩阵
- ① m m m 阶 : 是指矩阵是 m × m m \times m m×m 阶矩阵 , 其实一个 m m m 行 m m m 列的方阵 ;
- ② 满秩 : 该矩阵的最大秩是 m i n ( m , m ) min(m , m) min(m,m) , 其秩为 m m m 时 , 是满秩矩阵 ;
- ③ 子矩阵 : 该矩阵 B B B ( m × m \times m× m 阶矩阵 ) 是 矩阵 A A A ( m × m \times m× n 阶矩阵 ) 的子矩阵 ;
VIII . 基可行解 与 可行基
基可行解 : 解出的基解 , 有一部分满足 变量的 非负 约束 , 即解大于等于 0 0 0 , 这些解称为基可行解 ;
有些解小于 0 0 0 的 , 显然不满足大于等于 0 0 0 的条件 , 这些基解不是可行解 , 没有用处 ;
可行基 : 基可行解 对应的基 , 称为 可行基 ;
下面的文氏图 描述的是 非可行解 , 基解 , 可行解的 集合关系 ;
总体分为 可行解 与 非可行解 , 基解中一部分是可行解 , 一部分是非可行解
IX . 示例 求基矩阵
求下列线性规划问题的 基矩阵 :
m a x Z = 4 x 1 − 2 x 2 − x 3 { 5 x 1 + x 2 − x 3 + x 4 = 3 − 10 x 1 + 6 x 2 + 2 x 3 + x 5 = 2 x j ≥ 0 , j = 1 , ⋯ , 5 \begin{array}{lcl} max Z = 4x_1 - 2x_2 - x_3 \\\\ \begin{cases} 5x_1 + x_2 - x_3 + x_4 = 3 \\\\ -10 x_1 + 6x_2 + 2x_3 +x_5 = 2 \\\\ x_j \geq 0 , j = 1 , \cdots , 5 \end{cases} \end{array} maxZ=4x1−2x2−x3⎩⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪⎧5x1+x2−x3+x4=3−10x1+6x2+2x3+x5=2xj≥0,j=1,⋯,5
解 :
该约束方程 , 共有 x 1 , x 2 , x 3 , x 4 , x 5 x_1 , x_2 , x_3 , x_4 , x_5 x1,x2,x3,x4,x5 , 五个变量 ;
将约束方程补全变量为 :
{
5
x
1
+
x
2
−
x
3
+
x
4
+
0
x
5
=
3
−
10
x
1
+
6
x
2
+
2
x
3
+
0
x
4
+
x
5
=
2
\begin{cases} 5x_1 + x_2 - x_3 + x_4 + 0x_5= 3 \\\\ -10 x_1 + 6x_2 + 2x_3 + 0x_4 +x_5 = 2 \end{cases}
⎩⎪⎨⎪⎧5x1+x2−x3+x4+0x5=3−10x1+6x2+2x3+0x4+x5=2
其系数矩阵为 :
A
=
[
5
1
−
1
1
0
−
10
6
2
0
1
]
A=\begin{bmatrix} 5 & 1 & -1 & 1 & 0 \\\\ -10 & 6 & 2 & 0 & 1 \end{bmatrix}
A=⎣⎡5−1016−121001⎦⎤
该系数矩阵的秩为
m
i
n
(
2
,
5
)
=
2
min(2, 5) = 2
min(2,5)=2 , 矩阵的基为 2阶满秩子矩阵 ;
每一列都是一个 向量 , 共有 5 个向量 , 选择其中 2 个 , 该问题是 从 5 元集 中选取 2 个的 组合问题 ;
其基的组合方式有
C
(
5
,
2
)
C(5 , 2)
C(5,2) 种 :
C
(
5
,
2
)
=
5
!
2
!
(
5
−
2
)
!
=
5
×
4
×
3
×
2
2
×
3
×
2
=
10
C(5 , 2) = \frac{5!}{2! ( 5 - 2 )!} = \frac{5 \times 4 \times 3 \times 2}{2\times 3\times 2} = 10
C(5,2)=2!(5−2)!5!=2×3×25×4×3×2=10
2阶子矩阵有 10 10 10 种 选取方式 ; 基的要求还需要 满秩 , 2阶的满秩子矩阵 才是基 , 满秩 即 其列向量 线性无关 , 两列 向量 不能使用线性表示 ;
① 子矩阵 1 : ( 不是基矩阵 )
B
1
=
[
5
−
1
−
10
2
]
B_1 = \begin{bmatrix} 5 &-1 \\ -10 & 2\end{bmatrix}
B1=[5−10−12]
注意 该矩阵 第一列 与 第二列 存在线性关系 , 第一列向量 乘以
−
5
-5
−5 即可得到第二列向量 ;
B
11
=
[
5
−
10
]
B
12
=
[
−
1
2
]
B_{11} = \begin{bmatrix} 5 \\ -10\end{bmatrix} B_{12} = \begin{bmatrix} -1 \\ 2\end{bmatrix}
B11=[5−10]B12=[−12]
B
12
=
−
5
×
B
11
B_{12} = -5 \times B_{11}
B12=−5×B11
该矩阵的秩为 1 1 1 , 不是满秩的 , 满秩秩为 m i n ( 2 , 2 ) = 2 min(2 , 2) = 2 min(2,2)=2 , 因此该矩阵不是基矩阵 ;
② 子矩阵
2
⋯
9
2 \cdots 9
2⋯9 : 其它矩阵 列向量 之间没有线性关系 , 都是满秩的 , 且都为
2
2
2 阶满秩子矩阵
B
2
=
[
5
1
−
10
6
]
B_2 = \begin{bmatrix} 5 &1 \\ -10 & 6\end{bmatrix}
B2=[5−1016]
B
3
=
[
5
0
−
10
1
]
B_3 = \begin{bmatrix} 5 &0 \\ -10 & 1\end{bmatrix}
B3=[5−1001]
B
4
=
[
5
1
−
10
0
]
B_4 = \begin{bmatrix} 5 &1 \\ -10 & 0\end{bmatrix}
B4=[5−1010]
B
5
=
[
1
−
1
6
2
]
B_5 = \begin{bmatrix} 1 &-1 \\ 6 & 2\end{bmatrix}
B5=[16−12]
B
6
=
[
1
1
6
0
]
B_6 = \begin{bmatrix} 1 &1 \\ 6 & 0\end{bmatrix}
B6=[1610]
B
7
=
[
1
0
6
1
]
B_7 = \begin{bmatrix} 1 & 0 \\ 6 & 1\end{bmatrix}
B7=[1601]
B
8
=
[
−
1
1
2
0
]
B_8 = \begin{bmatrix} -1 &1 \\ 2 & 0\end{bmatrix}
B8=[−1210]
B
9
=
[
−
1
0
2
1
]
B_9 = \begin{bmatrix} -1 &0 \\ 2 & 1\end{bmatrix}
B9=[−1201]
B
10
=
[
1
0
0
1
]
B_{10} = \begin{bmatrix} 1 & 0 \\ 0 & 1 \end{bmatrix}
B10=[1001]
该矩阵 B 2 ⋯ B 10 B_2 \cdots B_{10} B2⋯B10 是系数矩阵的 2阶满秩子矩阵 ;