GEOMETRIE DER POLYEDER

Ähnliche Dokumente
3.1. Existenzsatz und Struktur der Lösungsmenge

Musterlösung - Aufgabenblatt 7. Aufgabe 1

Lineare Algebra I (WS 13/14)

Vorlesung Lineare Optimierung (Sommersemester 2010)

Affine Geometrie (Einfachere, konstruktive Version)

β 1 x :=., und b :=. K n β m

Lineare Algebra I (WS 13/14)

8. Konvexe Polytope. Tobias Boelter. Mittwoch, 5. März TopMath Frühlingsschule

3 Polytope. 3.1 Polyeder

37 Gauß-Algorithmus und lineare Gleichungssysteme

mit. Wir definieren (Skalarprodukt = Winkel).

Insbesondere sind nach dieser Definition also auch die leere Menge und einpunktige Teilmengen konvex.

3 Systeme linearer Gleichungen

4 Affine Koordinatensysteme

Projektive Räume und Unterräume

Technische Universität München Zentrum Mathematik. Übungsblatt 7

Affine Hülle. x x 1 ist lineare Kombination der Vektoren x 2 x 1,x 3 x 1,...,x k x 1. Tatsächlich, in diesem Fall ist λ 1 = 1 λ 2 λ 3...

Affine Eigenschaften ( stets K = R)

1 Der Simplex Algorithmus I

Operations Research. Ganzzahlige lineare Programme. ganzzahlige lineare Programme. Ganzzahlige lineare Programme. Rainer Schrader. 25.

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow

Teil I. Lineare Optimierung

5.7 Lineare Abhängigkeit, Basis und Dimension

6.5 Lineare Abhängigkeit, Basis und Dimension

Wiederholungs-Modulprüfung: zum Lehrerweiterbildungskurs Lineare Algebra/Analytische Geometrie I WiSe 2015/16 1.Klausur

Vektorräume. 1. v + w = w + v (Kommutativität der Vektoraddition)

D-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler. Lösungen Serie 10

2 Die Dimension eines Vektorraums

IV.3. RANG VON MATRIZEN 81

Lineare Gleichungssysteme

Eigenwerte und Diagonalisierung

6 Lineare Gleichungssysteme

Ausgewählte Lösungen zu den Übungsblättern 9-10

Lineare Ungleichungen und die Struktur von Polyedern

Die lineare Hülle. heißt der Vektor. Linearkombination der Vektoren v i mit Koeffizienten α i. Direkt aus (12.6) folgt

4 Vektorräume. 4.1 Definition. 4 Vektorräume Pink: Lineare Algebra 2014/15 Seite 48. Sei K ein Körper.

LINEARE ALGEBRA I (LEHRAMT GYMNASIUM) WINTERSEMESTER 2015/16

Ganzzahlige lineare Programme

Technische Universität München Zentrum Mathematik Diskrete Optimierung: Fallstudien aus der Praxis. Station 1: Facetten des Knapsack-Polytops

Kapitel II. Vektoren und Matrizen

1 Eigenschaften von Abbildungen

Proseminar Konvexe Mengen: Der Satz von Carathéodory

Lineare Algebra II 8. Übungsblatt

12 Lineare Algebra - Übersicht. Themen: Unterräume Lineare Abbbildungen Gauß-Algorithmus Eigenwerte und Normalformen

Lineare Gleichungssysteme

Definition Sei V ein Vektorraum, und seien v 1,..., v n V. Dann heißt eine Linearkombination. n λ i = 1. mit. v = v i λ i.

Mathematische Grundlagen für die Vorlesung. Differentialgeometrie

Lösungsskizze zur Hauptklausur Lineare Algebra I

1 Linearkombinationen

1 Transponieren, Diagonal- und Dreiecksmatrizen

Übersicht Kapitel 9. Vektorräume

ein vom Nullvektor verschiedener Vektor, dann ist jeder dazu parallele (kollinear) Veka tor d ein Vielfaches von a. + λ 2 a 2

3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit

Basis und Dimension. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren

5 Die Allgemeine Lineare Gruppe

Lineare Algebra. Mathematik II für Chemiker. Daniel Gerth

9 Lineare Gleichungssysteme

3. Übungsblatt zur Lineare Algebra I für Physiker

Klausur (Modulprüfung) zum Lehrerweiterbildungskurs Lineare Algebra/Analytische Geometrie I WiSe 2015/16

Kapitel V. Affine Geometrie

Kapitel 13. Lineare Gleichungssysteme und Basen

Lineare Algebra I (WS 13/14)

Lineare Algebra I (WS 13/14)

f h c 7 a 1 b 1 g 2 2 d

2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen

Mathematik für Anwender I

Lineare Algebra 1. Roger Burkhardt

Unterlagen zur Vorlesung Algebra und Geometrie in der Schule: Grundwissen über Affine Geometrie. Sommersemester Franz Pauer

Ausgewählte Lösungen zu den Übungsblättern 4-5

In diesem Kapitel wird der Vektorraumbegriff axiomatisch eingeführt und einige grundlegende Begriffe erläutert, etwa. Unterraum,

Kombinatorische Optimierung

Konvexe Mengen. Def. Eine Teilmenge A R n heißt konvex, wenn sie mit je zwei Punkten x,y auch stets deren Verbindungsstrecke

Homogene und inhomogene Koordinaten und das Hyperboloid

7. Wie lautet die Inverse der Verkettung zweier linearer Abbildungen? 9. Wie kann die Matrixdarstellung einer linearen Abbildung aufgestellt werden?

Anhang A. Etwas affine Geometrie. A.1 Die affine Hülle

11 Untermannigfaltigkeiten des R n und lokale Extrema mit Nebenbedingungen

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)

Übungsklausur Lineare Algebra

technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller

x, y 2 f(x)g(x) dµ(x). Es ist leicht nachzuprüfen, dass die x 2 setzen. Dann liefert (5.1) n=1 x ny n bzw. f, g = Ω

10 Untermannigfaltigkeiten

Grundlegende Definitionen aus HM I

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik I. Vorlesung 11. Lineare Unabhängigkeit

3 Vektorräume abstrakt

Lineare Gleichungssysteme

Kapitel VI. Euklidische Geometrie

3 Lineare Algebra Vektorräume

Proseminar Lineare Algebra WS 08/09 Prof. Dr. O. Bogopolski 1. Vortrag: Lineare Gleichungen. am 11. März von Maximilian Wahner

Die lineare Programmierung. Die Standardform 1 / 56

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Affine und projektive Räume

4.3 Bilinearformen. 312 LinAlg II Version Juni 2006 c Rudolf Scharlau

Dualitätssätze der linearen Optimierung

Lineare Algebra: Determinanten und Eigenwerte

Zu zwei Matrizen A R m n und B R p q existiert das Matrizenprodukt A B n = p und es gilt dann. A B = (a ij ) (b jk ) = (c ik ) = C R m q mit c ik =

Wiederholung: lineare Abbildungen

12 Übungen zu Gauß-Algorithmus

Konvexe Mengen und Funktionen

Transkript:

GEOMETRIE DER POLYEDER Das Polyeder P sei gegeben durch P = x R n Ax b. Definition. (i) Die Hyperebene H = x R n c T x = d,c, heißt Stützhyperebene von P, falls die Ungleichungc T x d redundant ist bzgl. Ax b und P H gilt. (ii) Sei H Stützhyperebene von P. Dann heißt F = P H Seitenfläche (Seite) von P. (iii) Eine Seite F von P heißt nichttrivial, falls F P gilt. Satz 2.11.F ist eine Seite vonp Es existiert ein Teilsystem A x b von Ax b mitf = x P A x = b. Folgerung. 1. Jedes Polyeder hat endlich viele Seiten. 2. Jede Seite eines Polyeders ist wieder ein Polyeder. 3. Sei F Seite von P und F F. Dann gilt: F Seite vonp F Seite vonf. Definition. Eine Ungleichunga T x β aus Ax b heißt implizite Gleichung, falls gilt: x : Ax b = a T x = β. Bezeichnungen: A = x = b = : System der impliziten Gleichungen aus Ax b A + x b + : System der verbleibenden Ungleichungen aus Ax b I + := i a T i ist Zeile vona + Lemma 2.12. Sei P. Dann existiert einx P mita = x = b = unda + x < b +. Maximale Seiten: Definition. Eine bezüglich der Mengeninklusion maximale nichttriviale Seite von P heißt Facette. Facetten können mit Hilfe nichtredundanter Ungleichungen aus A + x b + charakterisiert werden. Satz 2.13. Sei I + und sei keine der Ungleichungen a T i x β i, i I +, redundant bzgl. A + x b +. Dann gilt: F ist Facette vonp F = x P a T i x = β i für ein i I +. Beweis: ( ):F ist Seite vonp. Nach Satz 2.11 ist dannf = x P A x = b für ein Teilsystem A x b vonax b. Wegen F P ist das Teilsystem aus A + x b + wählbar. Betrachte nun F i = x P a T i x = β i für ein i I miti := i a T i ist Zeile vona I +.F i ist nach Satz 2.11 und wegeni I + eine nichttriviale Seite von P. Nach Konstruktion giltf F i. DaF maximal ist, mussf = F i gelten. ( ): Man sieht unmittelbar: F = x P a T i x = β i ist nach Satz 2.11 eine Seite von P. F ist wegeni I + eine nichttriviale Seite von P. 1

Noch zu zeigen: F ist maximal. Sei F P eine beliebige nichttriviale Seite von P mit F F. Nach Satz 2.11 ist dann F = x P A x = b für ein Teilsystem A x b aus Ax b. Insbesondere ist dieses Teilsystem aus A + x b + wählbar, da F eine nichttriviale Seite ist. Nach Lemma 2.12 existiert ein x P mita = x = b =,A + x < b +. Also gilt (dai I + ) a T i x < β i. (*) Sei A + i x b i das reduzierte System, das aus A + x b + durch Streichen der Zeile i entsteht. Die Ungleichunga T i x β i ist nach Voraussetzung nicht redundant bezüglichax b. Es existiert also ein x mita = x = b =,A + i x b i, aber a T i x > β i, (**) d.h.x / P. Wegen (*) und (**) existiert ein λ (,1) mit λ a T i x +(1 λ) a T i x = β + i. Nach Wahl vonx,x gilt dann für x = λx +(1 λ)x : A = x = λ A = x +(1 λ) A = x = b = =b = =b = A + i x = λ A i x +(1 λ) A ix < b <b + i b + i + i a T i x = λ a T i x +(1 λ) a T i x = β + i, also x F F. Damit ist x F mit A + i x < b + i. Die Seite F wurde durch das Teilsystem A x = b aus A + x b + beschrieben. Dieses kann also nur aus der Gleichung a T i x = β + i bestehen. Folglich istf = F, alsof maximal. q.e.d. Folgerung. 1. Jede nichttriviale Seite von P ist Durchschnitt von Facetten. 2. P ist affiner Teilraum P hat keine nichttrivialen Seiten. Minimale Seiten: Die folgenden Sätze gestatten eine Charakterisierung der bzgl. der Mengeninclusion minimalen Seiten eines Polyeders P = x R n Ax b. Dabei enthalte das System Ax b keine redundanten Ungleichungen. Satz 2.14.F ist minimale Seite von P F = x R n A x = b P für ein TeilsystemA x b aus Ax b. Minimale Seiten sind also affine Teilräume des Polyeders. Satz 2.15. Für jede minimale Seite F von P gilt: dim F = n Rang A. Ecken: Eine besondere Rolle spielen-dimensionale minimale Seiten vonp. Definition. (i) x P heißt Ecke vonp, falls x Seite vonp ist. (ii) Das PolyederP heißt spitz, fallsp Ecken besitzt. 2

Eine Ecke ist also eine minimale Seite der Dimension. Aus den Sätzen 2.14 und 2.15 folgt damit: x ist Ecke vonp x P und x = x R n A x = b für eine Teilmatrix A R m n von A mit RangA = RangA = n. Satz 2.16. Rang A = n P ist spitz. Jede Seite von P ist spitz. Kanten und Nachbarecken: Wir betrachten nun Seiten der Dimension 1. Definition. (i) Eine SeiteK = x P A x = b von P heißt Kante, falls dimk = 1 gilt. (ii) Zwei verschiedene Ecken x,x von P heißen benachbart, falls es eine Kante K von P gibt mitx,x K. Eine Kante K ist als Seite ein Teilpolyeder von P R n. Mit den impliziten Gleichungen und den verbleibenden Ungleichungen findet man eine Darstellung ( ) ( ) K = x P A = b = x = mit dimk = 1 mit einem TeilsystemA x b ausa + x b +. Es gilt also: ( ) A = Rang = n 1. Die Kanten eines Polyeders kann man nun folgendermaßen bestimmen: A TeilmatrixA R m n vonaauswählen mit Rang A = n 1; A Lösungsmenge vona x = b bestimmen; dim ( P x R 2 A x = b ) prüfen. Polyeder vom Typ III: Für die weiteren Untersuchungen ist es wichtig, Ecken von solchen Polyedern, die in der Form von Typ III gegeben sind, zu charakterisieren. Sei jetzt also b P = x R n Ax = b,x. Bezeichnungen: supp(x) := i 1,...,n x i > a j, j = 1,...,n : Spaltej von A a T i, i = 1,...,m : Zeileivon A Satz 2.17. Ist P = x R n Ax = b,x, dann ist P spitz. Außerdem sind folgende Aussagen äquivalent: (i) x ist Ecke vonp. (ii) Die Spalten a j vonasind linear unabhängig. j supp(x) Durch seine Ecken und Kanten ist jedes Polyeder vollständig bestimmt. Mit Hilfe des Darstellungssatzes von Motzkin erhält man für spitze Polyeder die folgende Darstellung: Satz 2.18. SeiP R n ein spitzes Polyeder und seienx 1,...,x k die Ecken sowiev 1,...,v l Kantenvektoren vonp. Dann gilt: k l k x P x = λ i x i + µ j v j mit λ i, λ i = 1, µ j. i=1 j=1 i=1 3

BEISPIEL Das Polyeder P = x R 2 Ax b sei gegeben als Lösungsmenge des folgenden Systems: x 1 + x 2 8 (1) 3x 1 2x 2 9 (2) x 2 6 (3) x 1 x 2 (4) x 1 (5) x 2 (6) 1 1 8 3 2 9 mit A = 1 1 1, b = 6. 1 1 BESTIMMUNG VON ECKEN Wegen RangA = 2 ist P spitz. Die Ecken kann man folgendermaßen bestimmen: TeilmatrixA R 2 2 vonaauswählen mit Rang A = 2; A x = b lösen; x P (d.h. restliche Ungleichungen) prüfen. Es gibt höchstens... Ecken. Insbesondere stellt man fest: es gibt... Schnittpunkte, darunter... Ecken; Restriktion... ist redundant; die Restriktionen... liefern keinen Schnittpunkt. Wir prüfen etwa folgende Varianten: Restriktion A b Eigenschaft Ecke 1.) (1), (3) 2.) (2), (3) 3.) (3), (6) 4.) (5), (6) ( ) 1 1 ( ) 8 1 6 ( ) ( ) 3 2 9 1 6 ( ) ( ) 1 6 1 ( 1 ) ( ) 1 4

BESTIMMUNG VON KANTEN UND NACHBARECKEN Die Kanten kann man folgendermaßen bestimmen: TeilmatrixA R 1 2 vonawählen mit Rang A = 1; LösungsmengeL vona x = b bestimmen; falls dim ( P L ) = 1 gilt, dann istk = P L eine Kante vonp. Es gibt höchstens... Kanten. Wir prüfen folgende Varianten mit RangA = 1: (1): x R 2 x 1 +x 2 = 8 = x R 2 x = x R 2 x 1 +x 2 = 8 P bestimmen: K = ( ) 8 t t t (2) 3(8 t) 2t 9 (3) (4) 8+t t (5) 8+t (6) t, dimk = benachbarte Ecken: (4): x R 2 x 1 +x 2 = = x R 2 x = x R 2 x 1 +x 2 = P bestimmen: (1) (2) (3) (5) (6) K =,dimk = 5

LOKALES KOORDINATENSYSTEM Das neue Koordinatensystem bezüglich der Ecke x wird folgendermaßen bestimmt: ( ( 2 x = = Ursprungȳ = ; 6) ) zugehörige (inzidente) Kanten = Koordinatenachsen Koordinatentransformation: y 1 := 8 x 1 x 2 y 2 := 6 x 2 x1 = x 2 = Das Polyeder P wird im neuen Koordinatensystem folgendermaßen beschrieben: Hier lassen sich Nachbarecken vonȳ einfach bestimmen: längs Kantey 1 = : y = = x = längs Kantey 2 = : y = = x = 6

CHARAKTERISIERUNG VON ECKEN IM TYP III Durch Einführen von Schlupfvariablenx 1,...,x 6 ist das PolyederP äquivalent zu beschreiben als LösungsmengeP III R 6 des folgenden Systems vom Typ III: Wir prüfen etwa folgende Punkte: x 1 + x 2 +x 3 = 8 3x 1 2x 2 + x 4 = 9 x 2 + x 5 = 6 x 1 x 2 + x 6 = x 1,...,x 6 1.) x supp(x) A supp(x) Rang A supp(x) Ecke 2 6 15 8 1 1 3 2 1 1 1 1 1 2.) 3.) 8 9 6 1 7 6 6 1 1 1 1 1 1 3 1 1 1 1 7