Skript
Skript
Skript
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
2 SIMPLEX – VERFAHREN 10<br />
2 Simplex – Verfahren<br />
2.1 Bezeichnungen<br />
Es wird der n-dimensionale Vektorraum R n zugrundegelegt. Die Vektoren der Einheitsbasis<br />
heißen e i = (δ ij ) n j=1 und es sei 1l := ∑ n<br />
i=1 e i der Vektor aus Einsen. Allgemein werden Elemente<br />
x ∈ R n als Spaltenvektoren geschrieben,<br />
⎛ ⎞<br />
x 1<br />
) n<br />
x = ⎜<br />
⎝ .<br />
⎟<br />
⎠<br />
(x = i .<br />
i=1<br />
x n<br />
√ ∑n<br />
Meist wird die Euklidnorm ‖x‖ = ‖x‖ 2 :=<br />
i=1 x2 i<br />
verwendet, eine andere interessante Norm<br />
ist die Maximumnorm ‖x‖ ∞ := max n i=1 |x i|. Ungleichungen zwischen Vektoren sind komponentenweise<br />
zu verstehen. Eine solche wird in der Definition R n + := {x : x ≥ 0} des positiven Kegels<br />
verwendet (s.o.). Die Menge der reellen m × n-Matrizen heißt R m×n . Im Folgenden werden oft<br />
Untermatrizen aus ausgewählten Spalten oder Zeilen einer Matrix betrachtet. Zu A ∈ R m×n<br />
seien daher a j = Ae j ∈ R m die Spalten und a (i) = A T e i ∈ R n die Zeilen von A. Dann gelten<br />
folgende Schreibweisen<br />
⎛<br />
⎞<br />
⎛ ⎞<br />
a 11 · · · a 1n<br />
a (1)T<br />
A = ⎜<br />
⎝ . .<br />
⎟<br />
⎠ = (a ij) = (a 1 , . . . , a n ) = ⎜<br />
⎝ .<br />
⎟<br />
⎠ .<br />
a m1 · · · a mn a (m)T<br />
Elemente einer Vektorfolge werden ebenfalls durch einen oberen Index unterschieden, x (i) =<br />
(x (i)<br />
1 , . . . , x(i) n ) T .<br />
2.2 Matrix – Umformungen<br />
Das später behandelte Simplex-Verfahren benutzt die Problemform (LP3) und durchläuft spezielle<br />
Lösungen des Linearen Gleichungssystems Ax = b, m < n, welche durch reguläre quadratische<br />
Untermatrizen von A gegeben sind. Die Lösung von regulären Gleichungssystemen spielt<br />
daher eine zentrale Rolle bei der Optimierung. Zwischen aufeinanderfolgenden Schritten des<br />
Simplexverfahrens ändern sich die Systeme aber nur wenig. Um Rechenaufwand zu sparen nutzt<br />
man daher oft Aktualisierungs-Formeln (”matrix update”). Denn bei Änderung einer Matrix<br />
durch eine Rang-1-Matrix ist die Inverse explizit bekannt und läßt sich effizient berechnen.<br />
Satz 2.2.1 Die Matrix B ∈ R m×m sei regulär, mit Vektoren u, v ∈ R m sei β := 1+v T B −1 u ≠ 0.<br />
Dann ist auch die Matrix B + uv T regulär und ihre Inverse ist<br />
(B + uv T ) −1 = B −1 −<br />
1<br />
1 + v T B −1 u B−1 uv T B −1 . (2.2.1)