Universität zu Köln

Mathematisches Institut
Prof. Dr. F. Vallentin

Einführung in die Mathematik des Operations Research

Sommersemester 2013

— Lösungen zur Klausur (7. Oktober 2013) —

Aufgabe 1 (2 + 3 + 5 = 10 Punkte)

1. Es sei D = (V, A) ein gerichteter Graph mit Kan-

e 1 d
tenlängenfunktion l : A → R. Wie ist ein Potential von D
und l definiert? −1
10
2. Zeigen Sie: Falls D und l ein Potential besitzen, dann enthält
D keine Kreise negativer Länge. a 8

3. Bestimmen Sie mit Hilfe des Algorithmus von Bellman-Ford

1
einen kürzesten Weg vom Knoten a zum Knoten c in dem 2
rechtsstehenden Graphen, der keine Kreise negativer Länge
b 6 c
besitzt.

Lösung

1. Eine Funktion p : V → R heisst Potential von D und l, falls für alle a = (u, v) ∈ A die Ungleichung
l(a) ≥ p(v) − p(u) gilt.
2. Es sei C = (v0 , a1 , v1 , . . . , am , vm ) mit v0 = vm ein Kreis und es sei p ein Potential. Dann ist
m
X m
X
l(C) = l(ai ) ≥ (p(vi ) − p(vi−1 )) = 0.
i=1 i=1

3. Die Funktionen fk : V → Z, die der Bellman-Ford Algorithmus in der k-ten Iteration der for-Schleife
berechnet ist gleich:
a b c d e
f0 = 0 ∞ ∞ ∞ ∞
f1 = 0 2 (a) ∞ ∞ −1 (a)
f2 = 0 2 (a) 8 (b) 0 (e) −1 (a)
f3 = 0 1 (d) 8 (b) 0 (e) −1 (a)
f4 = 0 1 (d) 7 (b) 0 (e) −1 (a)
In Klammern ist die Funktion g notiert, mit der man die Umkehrung eines kürzesten a—c Weges, der
die Länge 7 hat, findet: c ← b ← d ← e ← a.

1
Aufgabe 2 (2 + 4 + 4 = 10 Punkte)
Es sei C ⊆ Rn eine nichtleere, konvexe und kompakte Menge.
1. Wie ist eine Extrempunkt von C definiert?
2. Es sei c ∈ Rn \ {0}. Zeigen Sie: Das Maximum max{cT x : x ∈ C} wird in einem Extrempunkt von C
angenommen.
3. Bestimmen Sie alle Extrempunkte des Polyeders:
    

 1 −1 0 1 

−1 −1 0 1

P = x ∈ R3 : 

x ≤  
 1 0 3 2
 
0 1 −3 4
 

Lösung

1. Ein Punkt z ∈ C heißt Extrempunkt von C, falls für alle x, y ∈ C, für die es ein α ∈ (0, 1) gibt, so dass
z = αx + (1 − α)y gilt, stets x = z = y folgt.
2. Da C kompakt ist und die Abbildung x 7→ cT x stetig ist, wird das Maximum an einem Punkt p ∈ C
angenommen.
Per Induktion nach dim C.
Falls dim C = 0, dann besteht C nur aus dem Punkt p, der klarerweise ein Extrempunkt von C ist, und
die Behauptung folgt unmittelbar.
Angenommen dim C > 0. Betrachte

D = C ∩ {x ∈ Rn : cT x = cT p}.

Dies ist eine nichtleere, konvexe und kompakte Menge mit dim D < dim C, weil c 6= 0. Nach Indukti-
onsvoraussetzung wird das Maximum max{cT x : x ∈ D} in einem Extrempunkt z von D angenommen.
Dies ist auch ein Extrempunkt von C, weil für x, y ∈ C und α ∈ (0, 1) mit z = αx + (1 − α)y gilt

cT z = αcT x + (1 − α)cT y ≤ αcT z + (1 − α)cT z = cT z.

Da α ∈ (0, 1) und z ∈ D gilt cT p = cT z = cT x = cT y. Also x, y ∈ D. Weil z Extrempunkt in D ist

x = z = y, wie gewünscht.
3. Wir bezeichnen die Matrix, die P beschreibt, mit A ∈ R4×3 , wobei aT i die i-te Zeile von A ist. Wir
verwenden die folgende Charakterisierung der Extrempunkte eines Polyeders: Ein Punkt z ∈ P ist
genau dann ein Extrempunkt, wenn der Rang der Matrix Az gleich 3 ist (Dabei ist die Matrix Az die
Matrix, die aus A entsteht, wenn wir alle Zeilen aT T
i mit ai z < bi löschen.). Wir lösen die vier linearen
Gleichungssysteme, die entstehen, wenn wir jeweils eine Zeile der Matrix A löschen.
Löschen der 1. Zeile:
     
−1 −1 0 1 −1 −1 0 1 −1 −1 0 1
 1 0 3 2   0 −1 3 3   0 −1 3 3  nicht lösbar
0 1 −3 4 0 1 −3 4 0 0 0 7

Löschen der 2. Zeile:

       
1 −1 0 1 1 −1 0 1 1 −1 0 1 7/2
 1 0 3 2   0 1 3 1   0 1 3 1  z2 =  5/2 
0 1 −3 4 0 1 −3 4 0 0 −6 3 −1/2

2
Löschen der 3. Zeile:
       
1 −1 0 1 1 −1 0 1 1 −1 0 1 0
 −1 −1 0 1   0 −2 0 2   0 −2 0 2  z3 =  −1 
0 1 −3 4 0 1 −3 4 0 0 −3 5 −5/3

Löschen der 4. Zeile:

       
1 −1 0 1 1 −1 0 1 1 −1 0 1 0
 −1 −1 0 1   0 −2 0 2   0 −2 0 2  z4 =  −1 
1 0 3 2 0 1 3 1 0 0 3 2 2/3

Nun ist
aT T T
2 z2 = −6 ≤ 1, a3 z3 = −5 ≤ 2, a4 z4 = −3 ≤ 4,

also sind z2 , z3 , z4 die Extrempunkte von P , da zi ∈ P und weil rang Azi = 3, mit i = 2, 3, 4.

3
Aufgabe 3 (4 + 6 = 10 Punkte)

1. Geben Sie zu folgendem linearen Programm ein duales lineares Programm an:

max 4x1 − 3x2 : x1 , x2 ≥ 0,
x1 + 2x2 − 4x3 ≤ 4,
3x1 − 2x3 = −3,

3x1 + 4x2 + 5x3 ≥ 2

2. Berechnen Sie den Wert des Matrixspiels, das durch die folgende Auszahlungsmatrix definiert ist:
 
3 −1
−1 9

Lösung

1.

min u · 4 + v · (−3) + w · 2 : u ≥ 0, w ≤ 0





u 1 2 +v 3 0 +w 3 4 ≥ 4 −3 ,

u · (−4) + v · (−2) + w · 5 = 0

2. Der Wert des Matrixspiels wird gegeben durch das lineare Programm

max µ
v1 , v2 ≥ 0, v1 + v2 = 1
    
3 −1 v1 µ
≥
−1 9 v2 µ

Durch Substitution v2 = 1 − v1 bekommt man

      
3 −1 v1 4v1 − 1 µ
= ≥ .
−1 9 1 − v1 −10v1 + 9 µ

Für v1∗ = 5/7 gilt, 4v1∗ − 1 = −10v1∗ + 9. Also ist µ = 13/7 der Wert des Matrixspiels.

4
 4
A a
Aufgabe 4 (4 + 6 = 10 Punkte) 6

8
1. Berechnen Sie mit Hilfe der ungarischen Methode ein Mat- 9
B b
ching mit maximalem Gewicht für den rechtsstehenden Gra-
7
phen.
3
2. Modellieren Sie das Problem der Berechnung der maxima- 1
len Kardinalität eines Matchings in einem bipartiten Gra-
phen als ein maximales Flussproblem. C c
1

Lösung

1. Wir haben die Zerlegung V = U ∪ W mit U = {A, B, C}, W = {a, b, c}.

• Das extreme Matching der Kardinalität 1 ist M1 = {B, b}.
• Der kürzeste gerichtete Weg im Residualgraphen DM1 von UM1 nach WM1 ist A → b → B → a,
der Länge −5 hat. Also ist

M2 = M1 ∆{{A, b}, {b, B}, {B, a}} = {{A, b}, {B, a}}

das extreme Matching der Kardinalität 2.

• Der kürzeste gerichtete Weg im Residualgraphen DM2 von UM2 nach WM2 ist C → a → B → b →
A → c, der Länge −2 hat. Also ist

M3 = M2 ∆{{C, a}, {a, B}, {B, b}, {b, A}, {A, c}} = {{C, a}, {B, b}, {A, c}}

das extreme Matching der Kardinalität 3, das auch gleichzeitig das Matching mit maximalen Ge-
wicht, das gleich 16 ist, ist.
2. Es sei G = (U ∪ W, E) ein ungerichteter bipartiter Graph. Definiere den gerichteten Graph D = (V, A)
durch

V = U ∪ W ∪ {s, t} und A = {(u, w) : u ∈ U, w ∈ W, {u, w} ∈ E} ∪ {(s, u) : u ∈ U } ∪ {(w, t) : w ∈ W }.

Die Kapazitätsfunktion c : A → R≥0 ist definiert durch

c((s, u)) = 1 für u ∈ U, c((u, w)) = ∞ für u ∈ U, w ∈ W, (u, w) ∈ A, c((w, t)) = 1 für w ∈ W.

Nun entspricht jedem Matching von G ein ganzzahliger Fluss in D, der durch c beschränkt ist, weil ein
solcher Fluss f bei Kanten der Form (u, w) ∈ A mit u ∈ U , w ∈ W wegen der Flusserhaltung nur die
Werte 0 oder 1 annehmen kann. Außerdem: Wenn an einer Kante (u, w) der Wert 1 angenommen wird,
dann gilt f (u, w0 ) = f (u0 , w) = 0 für alle Kanten mit w0 6= w, u0 6= u. Der Wert des Flusses ist dann
gleich der Kardinalität des entsprechenden Matchings. Da es einen maximalen Fluss in einem Netz-
werk, das eine ganzzahlige Kapazitätsfunktion besitzt, gibt, der ganzzahlig ist, kann man ein Matching
mit maximaler Kardinalität in G durch einen maximalen Fluss in D bestimmen.

5
Aufgabe 5 (2 + 3 + 5 = 10 Punkte)

1. Wie ist eine vollständig unimodulare Matrix definiert?

2. Ist die folgende Matrix vollständig unimodular? Begründen Sie Ihre Antwort.
 
1 0 0 0 0 0 0 0 0
 0 0 1 0 1 1 0 0 0
 
 0 0 1 1 0 0 0 0 1
 
 1 0 0 0 0 1 0 0 0
 
 0 0 0 0 1 0 1 0 0
 
 0 1 0 0 0 0 0 1 0
 
 0 0 0 0 0 0 1 0 0
 
 0 0 0 0 0 0 0 1 1
0 1 0 1 0 0 0 0 0

3. Zeigen Sie: Die Inzidenzmatrix M ∈ RV ×A eines gerichteten Graphen D = (V, A) ist vollständig
unimodular.

Lösung

1. Eine Matrix heisst vollständig unimodular, falls jeder ihrer Minoren gleich −1, 0, oder 1 ist.
2. Die Matrix ist die Inzidenzmatrix eines ungerichteten Graphen (mit 9 Knoten und 9 Kanten), weil in
jeder Zeile genau zwei Einsen vorkommen. Dieser Graph ist bipartit und somit ist die Matrix vollständig
unimodular. Die Zerlegung der Knoten in zwei disjunkte, kantenfreie Teilgraphen sieht dabei wie folgt
aus, wie man durch Aufteilung der Zeilen der Matrix sieht:

U = {1, 2, 7, 8, 9}, W = {3, 4, 5, 6}.

3. Es sei B eine t × t Teilmatrix von M . Wir zeigen per Induktion nach t, dass det B ∈ {−1, 0, +1} ist.
Dies ist klar, wenn t = 1 ist. Falls t > 1 ist, unterscheiden wir drei Fälle:
• B hat eine Nullspalte. Dann ist det B = 0.
• B hat eine Spalte, die genau ein Element ungleich 0 enthält. Dann ist nach evtl. Vertauschen von
Zeilen und Spalten

±1 bT
 
B= , für b ∈ Rt−1 , B 0 ∈ R(t−1)×(t−1) .
0 B0

Nach Induktionsvoraussetzung ist det B 0 ∈ {−1, 0, +1}. Also det B = (±1) · det B 0 ∈ {−1, 0, +1}.
• Jede Spalte von B enthält zwei Elemente ungleich 0. Dann liefert Addieren aller Zeilen von B den
Nullvektor und somit det B = 0.

6
Aufgabe 6 (2 + 2 + 6 = 10 Punkte)

1. Wie ist der Chvátal-Gomory-Abschluss P 0 von einem rationalen Polytop P definiert?

2. Wie ist eine Hilbertbasis definiert?

3. Bestimmen Sie den Chvátal-Gomory-Abschluss P 0 von
   
n 0 −1 0 o
P = x ∈ R2 : −2 1  x ≤ −1 .
2 1 5

Lösung

1. Der Chvátal-Gomory-Abschluss von P ist

\
P0 = HI , wobei HI = conv(H ∩ Zn ),
H⊇P

und H durch alle rationalen Halbräume läuft.

2. Die Vektoren a1 , . . . , at ∈ Qn sind eine Hilbertbasis,

Pt falls es für alle b ∈ cone{a1 , . . . , at } ∩ Zn ganzzah-
lige Koeffizienten λ1 , . . . , λt ∈ Z gibt mit b = i=1 λi at .
3. Die inklusionsminimalen Seiten von P sind die Ecken
     
3/2 5/2 1/2
x1 = , x2 = , x3 = .
2 0 0

Die zugehörigen Kegel sind

C1 = cone{(−2, 1), (2, 1)}, C2 = cone{(2, 1), (0, −1)}, C3 = cone{(−2, 1), (0, −1)}

Hilbertbasen dafür sind dann

H1 = {(−2, 1), (−1, 1), (0, 1), (1, 1), (2, 1), }, H2 = {(2, 1), (0, −1), (1, 0)}, H3 = {(−2, 1), (0, −1), (−1, 0)}.

Also ist
   
−2 1 b−1c
−1 1  b1/2c 
   
0 1  b2c 
      
1 1  b5/2c  −1 1 0
   
n 2 1  b4c  o n 1 1  2 o
0 2  2
       
P = x∈R : 2 1 x ≤  b5c  = x ∈ R 0
: −1x ≤  0  .
   
0
 −1
 b0c 
  1 0  2
1 0  b5/2c  −1 0 −1
   
−2 1  b−1c 
  
0 −1  b0c 
−1 0 b−1/2c