ПЛАН.

Введение.

1. Общая задача линейного программирования.

1.1. Формулировка задачи.

1.2. Геометрическая интерпретация задачи линейного программирования.

2. Графический метод решения задачи линейного программирования.

2.1. Область применения.

2.2. Примеры задач, решаемых графическим методом.

2.3. Обобщение графического метода решения задач линейного программирования.

Литература.

Введение.

Линейное программирование - это наука о методах исследования и отыскания наибольших и наименьших значений линейной функции, на неизвестные которой наложены линейные ограничения. Таким образом, задачи линейного программирования относятся к задачам на условный экстремум функции. Казалось бы, что для исследования линейной функции многих переменных на условный экстремум достаточно применить хорошо разработанные методы математического анализа, однако невозможность их использования можно довольно просто проиллюстрировать.

Действительно, путь необходимо исследовать на экстремум линейную функцию Z = С1х1+С2х2+ . +СNxN

при линейных ограничениях

a11x1 + a22x2 + . + a1NХN = b1

a21x1 + a22x2 + . + a2NХN = b2

. . . . . . . . . . . . . . .

aМ1x1 + aМ2x2 + . + aМNХN = bМ

Так как Z - линейная функция, то = Сj (j = 1, 2, ., n), то все коэффициенты линейной функции не могут быть равны нулю, следовательно, внутри области, образованной системой ограничений, экстремальные точки не существуют. Они могут быть на границе области, но исследовать точки границы невозможно, поскольку частные производные являются константами.

Для решения задач линейного программирования потребовалось создание специальных методов. Особенно широкое распространение линейное программирование получило в экономике, так как исследование зависимостей между величинами, встречающимися во многих экономических задачах, приводит к линейной функции с линейными ограничениями, наложенными на неизвестные.

1. Общая задача линейного программирования

1.1. Формулировка задачи.

Даны линейная функция

(1.1) Z = С1х1+С2х2+ . +СNxN

и система линейных ограничений

a11x1 + a22x2 + . + a1NХN = b1

a21x1 + a22x2 + . + a2NХN = b2

. . . . . . . . . . . . . . .

(1.2) ai1x1 + ai2x2 + . + aiNХN = bi

. . . . . . . . . . . . . . .

aM1x1 + aM2x2 + . + aMNХN = bM

(1.3) xj 0 (j = 1, 2, . ,n)

где аij, Ьj и Сj - заданные постоянные величины.

Найти такие неотрицательные значения х1, х2, ., хn, которые удовлетворяют системе ограничений (1.2) и доставляют линейной функции (1.1)минимальное значение.

Общая задача имеет несколько форм записи.

Векторная форма записи. Минимизировать линейную функцию Z = СХ при ограничениях

(1.4) А1х1 + А2x2 + . + АNxN = Ао, X 0

где С = (с1, с2, ., сN); Х = (х1, х2, ., хN); СХ - скалярное произведение; векторы

A1 = , A2 = , ., AN = , A0 =

состоят соответственно из коэффициентов при неизвестных и свободных членах.

Матричная форма записи. Минимизировать линейную функцию, Z = СХ при ограничениях АХ = А0, Х 0, где С = (с1, с2, ., сN) - матрица-cтрока; А = (аij) - матрица системы;

Х = - матрица-столбец, А0 = матрица-столбец

Запись с помощью знаков суммирования. Минимизировать линейную функцию Z = Сjхj при ограничениях

0пределение 1. Планом или допустимым решением задачи линейного программирования называется Х = (х1, х2, ., хN), удовлетворяющий условиям (1.2) и (1.3).

0пределение 2. План Х = (х1, х2, ., хN) называется опорным, если векторы А (i = 1, 2, ., N), входящие в разложение (1.4) с положительными коэффициентами х , являются линейно независимыми.

Так как векторы А являются N-мерными, то из определения опорного плана следует, что число его положительных компонент не может превышать М.

0пределение 3. Опорный план называется невырожденным, если он содержит М положительных компонент, в противном случае опорный план называется вырожденным.

0пределение 4. Оптимальным планом или оптимальным решением задачи линейного программирования называется план, доставляющий наименьшее (наибольшее) значение линейной функции.

В дальнейшем рассмотрено решение задач линейного программирования, связанных с нахождением минимального значения линейной функции. Там, где необходимо найти максимальное значение линейной функции, достаточно заменить на противоположный знак линейной функции и найти минимальное значение последней функции. Заменяя на противоположный знак полученного минимального значения, определяем максимальное значение исходной линейной функции.

1.2 Геометрическая интерпретация задачи линейного программирования.

Рассмотрим задачу линейного программирования, система ограничений которой задана в виде неравенств.

Найти минимальное значение линейной функции

(1.5) Z = С1х1+С2х2+ . +СNxN

при ограничениях

a11x1 + a22x2 + . + a1NХN b1

a21x1 + a22x2 + . + a2NХN b2

(1.6) . . . . . . . . . . . . . . .

aM1x1 + aM2x2 + . + aMNХN bM

(1.7) xj 0 (j = 1, 2, . ,n)

Совокупность чисел х1, х2, ., хN, удовлетворяющих ограничениям (1.6) и (1.7), называется решением. Если система неравенств (1.6) при условии (1.7) имеет хотя бы одно решение, она называется совместной, в противном случае - несовместной.

Рассмотрим на плоскости х1Ох2 совместную систему линейных неравенств

a11x1 + a22x2 b1

a21x1 + a22x2 b2

. . . . . . . .

aM1x1 + aM2x2 bM

x1 0, x2 0

Это все равно, что в системе (1.6) - (1.7) положить N=2. Каждое неравенство этой системы геометрически определяет полуплоскость с граничной прямой

ai1x1 + ai2x2 = bi ,(i = 1, 2, ., m). Условия неотрицательности определяют полуплоскости соответственно с граничными прямыми х = 0, х = 0. Система совместна, поэтому полуплоскости, как выпуклые множества, пересекаясь, образуют общую часть, которая является выпуклым множеством и представляет собой совокупность точек, координаты каждой из которых являются решением данной системы (рис. 1.1).

Совокупность этих точек (решений) назовем многоугольником решений. Он может быть точкой, отрезком, лучом, много-угольником, неограничен-ной многоугольной облас-тью.

Если в системе ограничений (1.6) - (1.7) n = 3, то каждое нера-венство геометрически представляет полупространство трехмерного пространства, граничная плоскость которого ai1x1 + ai2x2 + ai3x3 = bi ,(i = 1, 2, ., n), а условия неотрицательности – полупрост-ранства с граничными плоскостями соответственно хj = 0 (j = 1, 2, 3). Если система ограничений совместна, то эти полупространства, как выпуклые множества, пересекаясь, образуют в трехмерном пространстве общую часть, которая называется многогранником решений. Многогранник решений может быть точкой, отрезком, лучом, многоугольником, многогранником, многогранной неограниченной областью. Пусть в системе ограничений (1.6) - (1.7) n 3; тогда каждое неравенство определяет полупространство n-мерного пространства с граничной гиперплоскостью ai1x1 + ai2x2 + aiNxN = bi (i = 1, 2, ., m), а условия неотрицательности – полупространства с граничными гиперплоскостями хj 0 (j = 1, 2, ., n).