Cтраница 2
Матрица М называется базисной матрицей бикубической поверхности Безье. [16]
Матрица М называется базисной матрицей кубической кривой Эрмита, а матрица G - ее геометрической матрицей. [17]
Матрица М называется базисной матрицей бикубической В-сплай-новой поверхности. [18]
Матрица М называется базисной матрицей бикубической эрмитовой поверхности, а матрица G - ее геометрической матрицей. [19]
Отметим лишь, что начальная базисная матрица при этом единичная, и исходная матрица G [ Jlt Ki ] может быть взята пустой: К Ji - Ф, Jo K J. [20]
Следовательно, В есть базисная матрица сокращенной системы. [21]
Мы должны выполнить операцию усечения базисной матрицы. [22]
Если В означает результат преобразования оптимальной базисной матрицы В0, предшествующей сокращенной задаче, то ( а) В определяет те же самые двойственные переменные, что и В0, откуда следует, что всем небазисным столбцам в новой сокращенной задаче соответствуют неотрицательные характеристические разности. Таким образом, В является оптимальным базисом. Базисное решение, ассоциированное с В, состоит из компонент УгУ, если yt входит в базис, и X1xf, если Xj также является базисной. [23]
Правила выбора разбиения на клетки новой базисной матрицы и связанные с этим дальнейшие преобразования зависят от типа окаймления и будут рассмотрены в соответствующих пунктах. [24]
Они должны быть умножены на обратную базисную матрицу ( располагаемую в столбцах от 1 до 6 конечной симплексной таблицы итерации 1) и после этого введены в ограниченную координирующую задачу. Ее структура и решение представлены в таблице. [25]
Задачи линейного программирования, в которых базисная матрица имеет строение (4.4) и ему подобное, рассмотрены в последних двух главах. [26]
Решение задач ( 32) дает новые базисные матрицы Btl для каждого неоптимального блока. Далее с их помощью строится новая сокращенная задача, и начинается новый цикл. Поскольку алгоритм есть частная реализация релаксационной процедуры, сходимость за конечное число итераций следует из теоремы 4.3 - 2 при исходных условиях. [27]
Использованный в предыдущей главе прием разбиения базисной матрицы на клетки мы теперь применим к задачам, имеющим разветвленную блочную структуру общего вида. [28]
Величина знаменателя здесь связана с обусловленностью уже имеющейся базисной матрицы А [ М, J ], а б зависит от выбора множества К. Если при не очень маленьком б нам удалось найти подходящий комплект с достаточно большим Б, то и уменьшение функции цели будет не слишком малым. Что касается обусловленности новой базисной матрицы А [ М, J ], то строгих гарантий здесь дать нельзя. По-видимому, встречаются задачи, в которых от плохой обусловленности базисных матриц невозможно избавиться. Однако в тех случаях, когда плохие вершины можно перескочить, описанный путь решения позволяет надеяться на более благоприятное течение вычислительного процесса. [29]
В - - матрица, обратная базисной матрице. [30]