第十二章线性规划基本概念与基本定理
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
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。
例如: SLP
m a x ..0
f CZ
AZ b s t Z ==⎧⎨
≥⎩ 如果0Z 满足这些约束,即0AZ b =且00Z ≥,则0Z 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:上面 SLP 的可行域为{,0}R AZ b Z ==≥
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。这时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,有界非空集和无界非空集。
12.1.2最优解,无界解
定义12.1.4:称使目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,0AX b X =≥,使CX M >。那么称该线性规划问题有无界解。
由定义可知,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有最优解。
例12.1.1 考虑线性规划问题: 12max()x x +
12121
21
10,0
x x st
x x x x -≤⎧⎪
-+≤⎨⎪≥≥⎩
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。
12x x -
例12.1.2 12
max f x x =-12121
2110,0
x x st
x x x x -≤⎧⎪
-+≤⎨⎪≥≥⎩ 解:此问题的可行域如上图,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,此问题目标函数最优值max f=1在可行域射线121x x -=上均可达到。
12.1.3. 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 xn 矩阵,用(j P , j =1 ~n) 表示A 的第j 列向量。即A =(1....n p p )。由A 的m 个列向量构成的m 阶方阵 B=( 12,...m j j j p p p )
若B 是非奇异的,即detB ≠0,则称B 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 的一个基。
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 中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j x 对应A 中列向量j p 包含在基B 中,则称j x 为B 的基变量;若变量k x 对应A 中的列向量k p 不包含在基B 中, 则称k x 为B 中的非基变量。
例12.1.3 求15~x x 满足123124
1255262210,1~5
i x x x x x x x x x x i ++=⎧⎪-++=-⎪⎨++=⎪⎪≥=⎩ 使122f x x =+
解: 111001101062001A ⎛⎫ ⎪=- ⎪ ⎪⎝⎭ 则100010001B ⎛⎫
⎪
= ⎪ ⎪⎝⎭的列是线性无关的,即
5001p ⎛⎫
⎪
= ⎪ ⎪⎝⎭
是线性无关,因此{}3
4
5x x x 是一组基。而12111,102p p ⎛⎫⎛⎫ ⎪ ⎪
=-= ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭
,不在
这个基中,所以12,x x 为非基变量。
定义12.1.8 :设Ax=b, x ≥0一个基()1...m
j j B p p =,其对应的基变量构
成的m 维列向量记为1(...)m T B j j x x x =这时若全非基变量等0,则 Ax=b ⇒B Bx b =,
得唯一解1B x B b -=.记为1
1(...)T m B b b b --
-=于是得到方程组Ax=b 的一个解
1212,...m j j j m
x b x b x b ---
===,
非基变量1,0,(1,2....,)j m x j n i j j ==≠称之为对应于基B 的基本解。这个定义也告诉我们怎样找一个基本解)
如:上面例12.1.2中,非基变量120x x ==。则可得3455,4,21x x x ===。所以0(0,0,5,2,21)x =-是对应于基B 的一个基本解,但由于4x =-2<0.不能满足约束条件,所以这个基本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 n-m 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。因此基本解不一定满足SLP 的非负要求。
定义12.1.9:对应于基B 的基本解,若基变量取非负值,即1B x B b -=,b>0,则称它为满足约束 Ax=b, x>o 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12.1.4:(SLP)如例12.1.3,试找一个基本可行解。
解:110100601B ⎛⎫
⎪
=- ⎪ ⎪⎝⎭
是其一个基矩阵. 135,,p p p 是一个基。则135,,x x x 为基变
量。24,x x 为非基变量。令240x x ==.得1352,3,9x x x ===. 故1(2,0,3,0,9)x =是原问题的一个基本可行解,1B 为基可行基。
上面我们讲到基本解中有n-m 个分量必须取零值,而只有m 个基变量取非
零值。而基本可行解,它一方面是基本解,另一方面又是可行解,因为它是基本解,所以n-m 个非基变量取0值;它是可行解,则m 个基变量取非负值,从而基本可行解正分量是个数不超过m.
那么满足Ax=b,x ≥0的正分量个数不超过m 的可行解。()m n Rank A m ⨯=是否一定是基本可行解呢?
我们举例说明这个问题。
例12.1.5.已知约束条件为:1231241
23442280,0,0,0
x x x x x x x x x x ++=⎧⎪
++=⎨⎪≥≥≥≥⎩